Pain perception assessment using the short-form McGill pain questionnaire after cardiac surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Pain management remains an integral part of patient care after cardiac surgery, and it required proper pain assessment. The aim of the study was to assess pain perception using validated Arabic version of the short-form McGill Pain Questionnaire (SF-MPQ) and to identify analgesics prescribing patterns post cardiac surgery. Methods: This is a prospective study conducted in an adult cardiac critical care unit of a tertiary cardiac center from September 2018 to March 2019. The study enrolled 74 patients who underwent cardiac surgical procedures through a median sternotomy. Results: The mean age of our patients was 57 ± 11 years and 47 (63.5%) were males. Patients described post-cardiac surgery pain as heavy ( n = 37; 50%) and tiring-exhausting ( n = 49; 66%), mainly at the site of incision ( n = 20; 27%). Pain intensity at day 1 according to pain rating index (PRI) and numerical rating scale (NRS) was 7 (25 th , 75 th percentiles: 2.8–15) and 6 (3–8), respectively. There was a significant change in pain intensity score between 2 days of assessment (PRI: 7 [2.8–15] vs 5 [2–11] P = 0.010; NRS: 6 (3–8) vs 5 (2–8), P = 0.021]). The most common analgesics prescribed were paracetamol (39%) and a combination of tramadol and paracetamol (33.8%). Conclusion: Pain decreased the second day after cardiac surgery compared to day 1. Paracetamol was the most prescribed analgesic; however, there was an underutilization which might be affected by insufficient pain reporting. Future improvement could focus on multimodal pain management and proper communication of pain experience.
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.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle