Factors influencing orthopedic nurses’ pain management: A focused ethnography
Notice bibliographique
Résumé
Aim: The aim of this study was to explore the factors influencing orthopedic surgery nurses’ decisions to administer pro re nata (PRN) opioid analgesia for postoperative pain.Background: Fast-track surgery programs reduce length of stay by identifying and addressing factors causing patients to remain in hospital, including pain (H. Kehlet, Lancet. 2013;381:9878(9878)). The management of acute pain is an important component of quality care for patients after total knee arthroplasty.Methods: The study used a qualitative design of focused ethnography. Ten nurses working on an orthopedic surgery unit at a large urban hospital in western Canada participated in semistructured interviews that used a patient vignette to examine factors that influenced participants’ pain management in the context of fast-track surgery. Interviews were transcribed and analyzed using thematic analysis and constant comparison.Findings: Nurses described a complex clinical environment where the interplay of several factors informed decisions to administer PRN opioid analgesia. The unit’s culture and physical space influenced nurses’ assessments of pain and their decisions whether to treat pain with PRN opioids. Each nurse’s self-concept affected pain management decisions because of perceived importance of pain control and perceived duty to provide analgesics. The subjectivity of pain added another layer of complexity as nurses responded to the patient’s expression of pain from within the milieu of the unit culture and their unique self-concept.Conclusion: Understanding the complexity of factors that influence nurses’ postoperative pain management provides clinical nurses and nursing leaders with directions for future education and research, guided by the goal of continued improvement in pain management in the challenging setting of fast-track surgeries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».