MétaCan
Menu
Retour à la cohorte
Enregistrement W4362638607 · doi:10.1177/13674935231167965

Child maltreatment and pediatric pain: A survey of healthcare professionals’ pain knowledge and pain management techniques

2023· article· en· W4362638607 sur OpenAlexafffund
Sarah Campbell, Matthew Baker, Kelly McWilliams, Shanna Williams

Notice bibliographique

RevueJournal of Child Health Care · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensMcGill University
Organismes subventionnairesMcGill University
Mots-clésPain managementHealth professionalsMedicineHealth carePain assessmentFamily medicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Children who have been maltreated are at an increased risk of having their pain under-recognized and undertreated by healthcare professionals, and thus, are more susceptible to adverse outcomes associated with undertreated pain. This study’s aims were to examine: ( 1) if healthcare professionals’ pediatric pain knowledge is associated with their pain assessment methods, ( 2) if maltreatment-specific pain knowledge is associated with consideration of child maltreatment when deciding on a pain management strategy, and ( 3) if pediatric pain knowledge would relate to maltreatment-specific pain knowledge. A sample ( N = 108) of healthcare professionals responded to a survey designed to examine their current knowledge and utilization of pediatric pain assessment and management with emphasis on the effects of child maltreatment. Findings revealed healthcare professionals’ knowledge of pediatric pain is independent of their pain assessment and management practices. However, general pain knowledge was associated with maltreatment-specific pain knowledge and generally, healthcare professionals were knowledgeable of child maltreatment’s impact on pediatric pain. Participants who considered a history of maltreatment were also more likely to employ sensitive questioning strategies when asking children about their pain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,342
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Child Health CareMême sujetPediatric Pain Management TechniquesTravaux en français237 207