MétaCan
Menu
Retour à la cohorte
Enregistrement W2963606115 · doi:10.1177/0844562119862742

Children’s Fear and Pain During Medical Procedures: A Quality Improvement Study With a Humanoid Robot

2019· article· en· W2963606115 sur OpenAlexaffvenue
Christian E. Farrier, Jacqueline D. R. Pearson, Tanya Beran

Notice bibliographique

RevueCanadian Journal of Nursing Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDistractionPhysical therapyIntervention (counseling)Humanoid robotMedicineVisual analogue scaleCoping (psychology)Physical medicine and rehabilitationPsychologyClinical psychologyNursingRobotComputer science

Résumé

récupéré en direct d'OpenAlex

Background Pediatric patients undergo a variety of painful medical procedures. Purpose The goal of this quality improvement study was to introduce a humanoid robot (MEDi®) programmed with strategies, such as distraction and deep breathing, at inpatient and outpatient units to determine any preliminary effects on children’s pain and fear during medical procedures. Methods A nonrandomized two-group pre- and posttest design was used to compare pain and fear of children before and after intervention versus standard care. A total of 46 children aged 2–15 years undergoing various medical procedures in a pediatric hospital, and their parents completed the Children’s Fear Scale and the Faces Pain Scale-Revised. The former was used both before and after the procedure, while the latter only after the procedure. Results Children ( n = 18), who interacted with the robot before and during a procedure, and their parents reported significantly lower levels of fear and pain than did children ( n = 28) and their parents in standard care, ps < .05. Conclusions The use of a humanoid robot programmed with psychological strategies to support coping may enhance children’s experiences of care for pain management.

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)0,009
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 enseignants0,020
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
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 Opus0,039
Tête enseignante GPT0,392
Écart entre enseignants0,353 · 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

Citations43
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Nursing ResearchMême sujetPediatric Pain Management TechniquesTravaux en français237 207