The Impact of Using Ice on Quality of Pain Associated with Chest Drain Removal in Postcardiac Surgery Patients: An Evidence-Based Care
Notice bibliographique
Résumé
Background: Patients undergoing cardiothoracic surgery require the placement of at least one chest drain. Chest Drain Removal (CDR) has been considered to be a painful event in patient’s postoperative recuperation. Objective: This study aimed to evaluate the impact of using ice on quality of pain associated with CDR in adult patients undergoing cardiac surgery Materials and Methods: This randomized, observer-blind, crossover trial was done on 51 post-cardiac surgery patients who had two chest drains in the Mashhad Heart Center in Iran. The patients were assigned to ice, placebo, and control groups. Ice and placebo bags were used over the region around the chest drains for 20 minutes prior to CDR. The quality of pain was assessed via Short-Form McGill Pain Questionnaire (SF-MPQ) before and after CRT. The data were analyzed through the SPSS software using ANOVA, Kruskal-Wallis, and Chi-square tests. Results: The study findings revealed that the three groups were not significantly different regarding pain quality before CDR (p=0.24). However, the ice bag group (4.6±4.4) was significantly different from the placebo (8.1±6.9) and control groups (7.1±5.3) concerning the pain quality score immediately after CDR (p<0.05). The results of chi-square test also showed that the three groups were significantly different regarding “hot-burning” (p=0.009). However, no significant differences were observed with regard to other items of SF-MPQ. Conclusion: The results indicated that ice bag application could be used as an effective, safe, and inexpensive non-pharmacological intervention to reduce patients’ pain and increase their comfort during CDR.
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 | 0,016 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».