HEALTHCARE AIDE-FOCUSED INTERVENTIONS TO IMPROVE PAIN MANAGEMENT IN LONG-TERM CARE
Notice bibliographique
Résumé
Abstract Pain is endemic for residents of long-term care homes, with many residents experiencing pain daily. Given that healthcare aides provide most daily care for residents, they are ideally situated to deliver timely assessment and non-drug interventions for managing resident pain. In this Cochrane-style systematic review, we searched 7 databases to identify intervention studies that included long-term care residents aged ≥60 years who received interventions to reduce chronic pain. Interventions were either delivered by healthcare aides at the resident level or were directed at healthcare aides to improve their pain management practices. We screened 400 titles/abstracts and 152 full-text articles. Nine studies met inclusion criteria and were included in a narrative review. Due to the limited number of studies and variety of study designs, data were insufficient to perform meta-analyses or thematic analysis. Three studies described pain interventions delivered by healthcare aides at the resident level reporting significant improvement of pain. Six studies described pain interventions delivered to healthcare aides. Results of these interventions were inconsistent; 2 reported significant improvements in pain-related outcomes (e.g., resident pain, monitoring of pain), 3 reported insignificant changes, and 1 reported a positive correlation between measured pain and pain medication use. We concluded that despite the paucity of research in this area, this systematic review provides preliminary support for pain interventions by healthcare aides for long-term care residents. Future research exploring interventions for healthcare aides to take greater roles in pain management could unlock further improvements in resident care.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 ».