Pediatrician Explanations of Pediatric Pain in Clinical Settings: A Delicate Craft
Notice bibliographique
Résumé
Explaining chronic pain to children and families can be challenging, particularly in the absence of an obvious physiologically identifiable cause for the child's pain. In addition to medical intervention, children and families may expect clinicians to provide clarity around the cause of pain. Such explanations are often provided by clinicians who have not received formal pain training. This qualitative study sought to explore the following question: What do pediatricians consider to be important when providing pain explanations to children and their parents? Using semistructured interview methods, 16 UK pediatricians were interviewed regarding their perceptions of explaining chronic pain to children and families in clinical settings. Data were analyzed using inductive reflexive thematic analysis. Analyses generated 3 themes: 1) timing of the explanation, 2) casting a wider net, and 3) tailoring of the narrative. Study findings demonstrated the need for pediatricians to skilfully interpret where children and families are in their pain journey and deliver an appropriate and adaptable explanation relating to individual needs. Analyses identified the importance of providing a pain explanation that could be repeated and understood by others outside the consultation room, to enable children and families to accept the explanation. PERSPECTIVE: Study findings identify the importance of language in addition to familial and broader factors that may influence the provision and adoption of chronic pain explanations provided by pediatricians to children and families. Improving pain explanation provision may influence treatment engagement for children and their parents, subsequently impacting pain related outcomes.
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 | 0,030 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».