Comparing the effects of cold therapy and hand and foot massage on postoperative pain among patients with major surgeries
Notice bibliographique
Résumé
Background and aims: Surgery is a main treatment for some illnesses. Postoperative pain (POP) is a major postoperative concern for patients and healthcare providers. The present study aimed at comparing the effects of cold therapy and foot and hand massage on POP among patients with major surgeries. Methods: This quality improvement study was conducted in 2019 on ninety patients who underwent thoracoabdominal surgeries in Kashani teaching hospital, Shahrekord, Iran. Participants were randomly assigned to a control, a cold therapy, and a foot and hand massage group through block randomization with a block size of six. Participants in the control group received routine care services, while participants in the cold therapy group received twenty-minute local cold therapy three times a day for 48 hours and participants in the massage group received twenty-minute hand and foot massage three times a day for 48 hours. POP was assessed before and 48 hours after the study intervention using the McGill Pain Questionnaire. The SPSS software was used to analyze the data through the Kolmogorov-Smirnov, Fisher’s exact, chi-square, Kruskal-Wallis, paired-sample t, and Wilcoxon’s sign-ranked tests as well as the one-way analysis of variance. Results: There was no significant difference among the groups respecting the pretest mean score of POP (P > 0.05). The mean score of POP significantly decreased in all groups (P < 0.05) and the amount of decrease in the intervention groups was significantly more than the control group (P < 0.05). Conclusion: Cold therapy and foot and hand massage are effective in significantly reducing POP among patients with major thoracoabdominal surgeries.
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 | 0,000 | 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 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 ».