Pain Management and Its Possible Implementation Research in North Ethiopia: A before and after Study
Notice bibliographique
Résumé
Background. Though there is an effective intervention, pain after surgical intervention is undermanaged worldwide. A systematic implementation is required to increase the utilization of available evidence-based intervention to manage the inevitable pain after surgery. The aim of this research project is to develop a scalable model for managing pain after cesarean section by implementing the World Health Organization’s (WHO) pain management guidelines through a combination of implementation research and quality improvement methods. Methods. We implemented the World Health Organization (WHO) pain management guidelines using effective implementation strategies. First, we conducted a formative qualitative exploration to identify enablers and obstacles. In addition, we took base-line assessment on pain management implementation process and outcome using a checklist prepared from the guideline and an adapted American Pain Outcome assessment tool version 2010, respectively. Then, we integrated the guidelines into the existing practice by using collaborative iterative learning strategy. We analyzed the data by Statistical Packages for Social Sciences (SPSS) version 21. We compared the before and after data using chi-squared and Fischer’s exact test. A change in any measurement was considered as significant at p value 0.05. Result. We collected data from 106 mothers before and 110 mothers after intervention implementation. We successfully integrated pain as a fifth vital sign in more than 87% ( p value <0.001) of patient, and fidelity was approximately 59% ( p value <0.001). In addition, we significantly improved pain outcome measures after the implementation of the intervention. Conclusion and Recommendations. A systematic approach to implement pain management guidelines was successful. We recommend the ward sustain these gains and that hospital, the region, and the nation to replicate the success.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».