MétaCan
Menu
← Retour à la cohorte
Enregistrement W3066746729 · doi:10.1093/pch/pxaa068.049

50 Bridging the gap between education and health: What youth need educators to know about chronic pain

2020· article· en· W3066746729 sur OpenAlexaffabout
Casey McMahon, Rylie Bonkowski, Marty Hoehn, Krista Baerg

Notice bibliographique

RevuePaediatrics & Child Health · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensSaskatoon City Hospital
Organismes subventionnairesnon disponible
Mots-clésChronic painMedicineDemographicsInclusion (mineral)Health careFamily medicinePsychologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Abstract Background Chronic pain is common and affects 20% of children and youth. Those with chronic pain often have a difficult time regularly attending school, with up to 50% of children and youth with chronic pain missing some school. Specific accommodations that benefit youth are unknown. Nearly half of parents of youth with chronic pain report their child’s grades dropped since pain onset. Both parents and youth report “moderate levels of interference” with learning. Most common accommodations include being sent to the nurse, being sent home and receiving extensions on assignments. While these strategies may be helpful for pain conditions expected to resolve, strategies that support staying in and succeeding at school are required for youth with chronic pain. Objectives This study aims to determine what educators need to know to best support youth with chronic pain in the academic setting. More specifically, 1) to determine what youth with chronic pain, parents of youth, educators, and healthcare professionals want educators to know about supporting students with chronic pain, and 2) to describe health professionals’ and educators’ attitudes and knowledge of pediatric chronic pain. Design/Methods Inclusion criteria include youth age 12-25 years with chronic pain and parents, health professionals and educators of youth with chronic pain. The recruitment strategy includes distribution of the survey via the Saskatchewan pediatric chronic pain clinic research contact lists, the Canadian Paediatric Society Section of Community Paediatrics listserve and social media. This online cross-sectional survey includes participant demographics and questions about accommodations noted to be helpful for youth with chronic pain. In addition, educator and health professional surveys include the 26-item Chronic Pain Myth Scale (CPMS). Results The study group includes 87 participants, 26 youth, 18 family/friends, 19 educators, and 24 health professionals. Some suggested school accommodations include: access to technology in class, teachers providing notes for students, education on chronic pain for teachers and students, and improved communication and collaboration between the youth, their healthcare team and educators. The majority of health professionals and educators report some knowledge, positive beliefs and attitudes towards people suffering from chronic pain (M=3.03, SD= .34). Conclusion Chronic pain is common and affects school attendance and achievement. Suggestions for accommodations to help those with chronic pain in the academic setting are made. Educators and health professionals indicated varying levels of knowledge, attitudes and beliefs, with some educators indicating they would like to receive education about chronic pain. Improved communication between school-based pupil support teams and health care teams is warranted.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,098
Tête enseignante GPT0,432
Écart entre enseignants0,333 · 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
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetHealth Sciences Research and Education→Travaux en français237 207→