MétaCan
Menu
Retour à la cohorte
Enregistrement W3036575242 · doi:10.1097/pr9.0000000000000822

Challenges in pain assessment and management among individuals with intellectual and developmental disabilities

2020· article· en· W3036575242 sur OpenAlexaff
Chantel C. Barney, Randi Dovland Andersen, Ruth Defrin, Lara M. Genik, Brian E. McGuire, Frank J. Symons

Notice bibliographique

RevuePAIN Reports · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentMcKnight FoundationMAYDAY Fund
Mots-clésProxy (statistics)Intellectual disabilityPsychologyBest practiceQuality of life (healthcare)MedicineClinical psychologyPsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Intellectual and developmental disabilities (IDD) include conditions associated with physical, learning, language, behavioural, and/or intellectual impairment. Pain is a common and debilitating secondary condition compromising functional abilities and quality of life. OBJECTIVES: This article addresses scientific and clinical challenges in pain assessment and management in individuals with severe IDD. METHODS: This Clinical Update aligns with the 2019 IASP Global Year Against Pain in the Vulnerable and selectively reviews recurring issues as well as the best available evidence and practice. RESULTS: The past decade of pain research has involved the development of standardized assessment tools appropriate for individuals with severe IDD; however, there is little empirical evidence that pain is being better assessed or managed clinically. There is limited evidence available to inform effective pain management practices; therefore, treatment approaches are largely empiric and highly variable. This is problematic because individuals with IDD are at risk of developing drug-related side effects, and treatment approaches effective for other populations may exacerbate pain in IDD populations. Scientifically, we are especially challenged by biases in self-reported and proxy-reported pain scores, identifying valid outcome measures for treatment trials, being able to adequately power studies due to small sample sizes, and our inability to easily explore the underlying pain mechanisms due to compromised ability to self-report. CONCLUSION: Despite the critical challenges, new developments in research and knowledge translation activities in pain and IDD continue to emerge, and there are ongoing international collaborations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,047
Tête enseignante GPT0,284
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations94
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePAIN ReportsMême sujetPediatric Pain Management TechniquesTravaux en français237 207