Procedural pain in children: a qualitative study of caregiver experiences and information needs
Notice bibliographique
Résumé
BACKGROUND: Children experience multiple painful procedures when being cared for in emergency departments (EDs). Unfortunately, evidence-based interventions to manage such pain and distress are under-utilized across EDs. Caregivers are uniquely positioned and invested to advocate for the adaptation of such evidence into practice. Our objective was to gather information from caregivers of children experiencing procedural pain in the ED to inform the development of a novel, caregiver-focused knowledge translation (KT) tool. METHODS: The study design was qualitative description. Caregivers of children who underwent intravenous (IV) insertion or venipuncture in the pediatric ED at an urban tertiary care centre were interviewed. Thematic analysis was applied to the data. The TRanslating Emergency Knowledge for Kids (TREKK) Parent Advisory Group continuously informed this study, and provided input on interview guide development and piloting, data collection, analysis of the data, interpretation of the results, and development of next steps. RESULTS: Interviews revealed four major themes: 1) source of healthcare information; 2) delivering healthcare information; 3) communication with caregivers; and 4) procedure-related anxiety and long-term effects. Caregivers most valued receiving information directly from their healthcare provider. They also expressed that healthcare providers should direct information about the procedure to their child and identified strategies to involve children in their care. Caregivers wanted to be empowered to ask informed questions of their healthcare providers. Finally, caregivers reported negative experiences with procedures for their children, occurring mainly at non-pediatric centres. CONCLUSIONS: We have identified core information needs for caregivers whose children are experiencing IV insertion or venipuncture. These results will form the foundation for the development of a KT tool that may empower caregivers to actively participate in their child's healthcare.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».