Current Trends in Care for Infants Diagnosed with Neonatal Abstinence Syndrome in Canada: A Discussion Paper
Notice bibliographique
Résumé
Introduction: Neonatal abstinence syndrome (NAS) is a growing epidemic across the globe. Infants diagnosed often require resource-intensive nursing care and are at risk for future complex health conditions. A shift in approaches to care for this population has been identified as a priority health care need across Canada. Objectives: This discussion paper aims to highlight the current shift in care for the NAS population, focusing on the Finnegan Neonatal Abstinence Scoring Tool (FNAST) and the Eat, Sleep, Console (ESC) model of care. Methods: A comprehensive search strategy was developed to explore the current trend in care for infants diagnosed with NAS: the transition from the FNAST to the ESC model of care. Four scholarly databases (CINAHL, PubMed, Cochrane, and Google Scholar) were searched. Relevant articles were critically analyzed for their implications on infant and family health, family experience, health system outcomes, and nursing practice. Discussion: In our review of the literature, the FNAST was the most used tool when caring for infants diagnosed with NAS. Although this tool has guided care for infants for decades, it presents some limitations, including subjectivity, invasive and lengthy assessments, and lack of collaboration. Many facilities across Canada are shifting to the ESC model of care as an alternative model. It has potential to address challenges of the care guided by the FNAST, with the ESC model emphasizing non-pharmacological care, a focus on the birth-parent–infant dyad, and dedication to a function-based assessment. Conclusion: Further efforts are needed to support the real-world implementation of evidence-based models of care for this population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».