Effect of Islamic Dhikr on Pain Severity and Quality During Dressing Change in Patients with Burns
Notice bibliographique
Résumé
Background: Pain is a process of daily burn dressing changes. Evidence shows the effect of God’s name on reducing pain. Objectives: This study aimed to evaluate the effect of Islamic dhikr on pain severity and quality of burn dressing change. Methods: This clinical trial was performed on 71 patients with burns in 2017. Patients were selected by convenience sampling and randomly assigned to intervention and control groups. Then, 10 minutes before the start of the dressing change, the participants were asked to repeat the praises of Hazrat Fatima (PBUH). Patients in the control group received routine care. Pain severity was measured in patients before and 15, 30, 45, and 60 minutes after the dressing change with the Visual Analog Scale (VAS). The pain quality of patients was measured 15 minutes after the dressing change with the modified McGill Pain Questionnaire (MPQ). Data were analyzed using SPSS version 22 software with descriptive and analytical statistics. Results: The independent t-test showed a statistically significant difference between the experimental and control groups in terms of mean pain severity 15, 30, and 45 minutes after the dressing change (P = 0.001, P = 0.04, and 0.007, respectively). Also, the repeated-measures analysis showed that the variation of the mean pain severity scores was statistically significant across all phases of the study (F = 30.42, P < 0.001). The results showed a statistically significant difference in the mean scores of sensory and emotional dimensions and the total score of pain quality between the two groups (P = 0.003, P = 0.07, and P = 0.047, respectively). Conclusions: Islamic dhikr can reduce pain during burn dressing changes.
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 | 0,011 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».