Addressing pain in people living with cystic fibrosis: Cystic fibrosis foundation evidence-informed guidelines
Notice bibliographique
Résumé
• Pain is common in CF and impacts health, function, and quality of life. • People living with CF desire effective, accessible pain management. • Effective pain management in CF requires an individualized, multimodal approach. • CF care teams and other specialists should collaborate to provide pain management. Even as many outcomes for people living with cystic fibrosis (PLwCF) improve, individuals still experience extensive symptom burdens. From birth, many PLwCF experience both pain as a symptom of their CF disease and procedural pain, posing detriments to health, functioning, and quality of life. Despite its prevalence and impact, there is no CF-specific guidance for the assessment and management of pain. Similarly, no guidance exists regarding communication with PLwCF about their pain experiences or its impact on their lives. Therefore, the Cystic Fibrosis Foundation (CFF) assembled an expert panel of clinicians, researchers, PLwCF, and caregivers to develop consensus recommendations for pain management in CF. We utilized literature review and expert opinion to develop 13 recommendations addressing pain assessment, management, and communication. Recommendations are centered on guiding principles of utilizing a multimodal approach to pain management, offering age and developmentally appropriate assessment and interventions, concurrently treating underlying conditions causing, contributing to, and/or exacerbated by pain, considering societal stigma of the pain experience, particularly for minoritized and marginalized people, and sensitivity to issues of access and cost. These recommendations are intended to guide clinicians in managing pain and improving quality of life for PLwCF with pain at all stages of illness and development.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».