Evidence-Based Guidelines for Prehospital Pain Management: Literature and Methods
Notice bibliographique
Résumé
INTRODUCTION: Emergency Medical Services (EMS) clinicians commonly encounter patients with acute pain. A new set of evidence-based guidelines (EBG) was developed to assist in the prehospital management of pain. Our objective was to describe the methods used to develop these evidence-based guidelines for prehospital pain management. METHODS: The EBG development process was supported by a previous systematic review conducted by the Agency for Healthcare Research and Quality (AHRQ) covering nine different population, intervention, comparison, and outcome (PICO) questions. A technical expert panel (TEP) was formed and added an additional pediatric-specific PICO question. Identified evidence was evaluated using the Grading of Recommendations, Assessment, Development, and Evaluation (GRADE) framework and tabulated into Summary of Findings tables. The TEP then utilized a rigorous systematic method, including the PanelVoice function, for recommendation development which was applied to generate Evidence to Decision Tables (EtD). This process involved review of the Summary of Findings tables, asynchronous member judging, and facilitated panel discussion to generate final consensus-based recommendations. RESULTS: The work product described above was completed by the TEP panel from September 2020 to April 2021. For these recommendations, the overall certainty of evidence was very low or low, data for decisions on cost effectiveness and equity were lacking, and feasibility was rated well across all categories. Based on the evidence, one strong and seven conditional recommendations were made, with two PICO questions lacking sufficient evidence to generate a recommendation. CONCLUSION: We describe a protocol that leveraged established EBG development techniques, the GRADE framework in conjunction with a previous AHRQ systematic review to develop treatment recommendations for prehospital pain management. This process allowed for mitigation of many confounders due to the use of virtual and electronic communication. Our approach may inform future guideline development and increase transparency in the prehospital recommendations development processes.
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».