MétaCan
Menu
Retour à la cohorte
Enregistrement W2898633272 · doi:10.22159/ajpcr.2018.v11i11.27489

EVALUATION OF USE OF ANALGESICS IN PAIN MANAGEMENT AMONG SURGEONS IN A TERTIARY CARE HOSPITAL

2018· article· en· W2898633272 sur OpenAlexaboutno aff
Jayshree Dawane, Kalyani Khade, Yamini Ingale, Vijaya Pandit

Notice bibliographique

RevueAsian Journal of Pharmaceutical and Clinical Research · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensnon disponible
Organismes subventionnairesIndian Council of Medical Research
Mots-clésMedicineMedical prescriptionTramadolVisual analogue scaleAnalgesicTertiary careAnesthesiaPhysical therapyEmergency medicineNursing

Résumé

récupéré en direct d'OpenAlex

Objective: The objective of this study is to evaluate pain and to assess if analgesic prescriptions are according to the World Health Organization guidelines. Methods: The study was conducted in the Department of Surgery in a tertiary care hospital. Patients with age >18 years, of either sex, admitted to surgery ward were included in the study. Pain assessment was done using a visual analog scale and McGill questionnaire. Information obtained from case paper sheets was recorded, such as name of analgesics, the generic name of prescribed analgesics, dosage, route of administration, frequency, number of analgesics per prescription, and non-pharmacological techniques. Data generated from the questionnaire were entered into an Excel sheet, and percentages were calculated. Results: A total of eight different analgesics were prescribed in the study group. Paracetamol was the maximally prescribed drug (40%). In 48% of cases, antacids were given along with analgesics. A majority of analgesics were prescribed in generic names (52%). No drug was prescribed to almost 18% cases even though the pain intensity was of mild-to-moderate intensity. Conclusion: Commonly prescribed drugs were paracetamol + tramadol. Prescription pattern of analgesics is partially deviating from standard guidelines. Generic names were written in the majority of prescriptions, which is in accordance with standard prescription writing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,153
Tête enseignante GPT0,479
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Pharmaceutical and Clinical ResearchMême sujetAntibiotic Use and ResistanceTravaux en français237 207