Implementation and Evaluation of the Premature Infant Pain Profile-revised (PIPP-R) e-Learning Module for Assessing Pain in Infants
Notice bibliographique
Résumé
OBJECTIVES: The Premature Infant Pain Profile-revised (PIPP-R) is a well-established measure for infant pain assessment. The aim of this study was to evaluate the implementation and clinical utility of the PIPP-R electronic learning (e-Learning) module to promote standardized health care training for nurses. MATERIALS AND METHODS: A descriptive mixed-methods study was conducted in 2 tertiary Neonatal Intensive Care Units in Canada. Nurses were recruited and asked to complete the PIPP-R e-Learning Module and evaluate it. A 26-item questionnaire was used to describe nurse demographics and clinical experience and to evaluate implementation success (ie, acceptability, feasibility, usability) and clinical utility. RESULTS: In all, 98 nurses from 2 settings in Central and Eastern Canada participated; most were registered nurses highly experienced in neonatal nursing care. The majority had received previous training on the PIPP-R (61.2%) and routinely used it in practice (67.4%). They considered the e-Learning module as acceptable and feasible as it was easy to access (94.9%) and to navigate (94.8%). Content was considered clear (98.9%) and met users' learning needs (99.0%). Nurses agreed that completing the module improved their understanding of neonatal pain (96.0%) and was clinically useful in improving their ability to assess pain in neonates (97.9%). The module was accessed primarily from work settings (77.8%) using desktop computers (49.0%) or tablets (28.0%) and was usually completed in a single session (75.7%). DISCUSSION: Nurses' evaluation of the PIPP-R e-Learning module was overwhelmingly positive. The module was perceived as easy to implement, clinically useful, and was considered as a promising online educational tool. Further testing in clinical practice is needed to build on the results of this study and support the importance of dissemination of this module for standardized training purposes.
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 | 0,012 | 0,020 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».