Évaluation de la version française d’une formation en ligne sur l’appropriation d’une échelle d’évaluation de la douleur pédiatrique
Notice bibliographique
Résumé
Context: There is no French-language training to educate nurses on the use of the Face, Legs, Activity, Cry, Consolability (FLACC) pain scale, whose scores guide the treatment of pediatric pain. Aims: The aim of this study was to evaluate a French online training program for the FLACC scale offered to Francophone undergraduate nursing students. Methods: Online training was offered to nursing students enrolled in a pediatric nursing course. Participants completed online questionnaires pre- and post-training to assess their perception of their knowledge and confidence, the accuracy of their pain assessment scores, as well as the usefulness and user-friendliness of the training. Results: The FLACC online training improved students’ perceived knowledge (p = 0.0004) and confidence (p = 0.0053) in the FLACC pediatric pain scale. Students’ accuracy of severe pain assessment scores significantly improved (p = 0.0159) and slightly improved for moderate pain (p = 0.6363). However, accuracy for mild pain assessment was slightly decreased post-training (p = 0.7686). Discussion: An improvement of the quality of videos linked to mild pain, and the quantity of videos for all levels of pain, is required for this study to be replicated among a larger sample. Conclusion: The online training fills the gap in nurses’ lack of knowledge about the use of the FLACC pain scale and improves access to quality training in French.
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 | 0,089 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».