Psychometric Properties of Pain Scales in Inpatient Settings: An Umbrella Review
Notice bibliographique
Résumé
AIMS: To identify the pain assessment scales with the best psychometric properties to be used by nurses in an inpatient setting. DESIGN: Umbrella review. METHODS: A comprehensive search of four databases was conducted for systematic reviews published from July 2013 to November 2024, focusing on psychometric properties of pain scales used in inpatient settings. Inclusion criteria required scales to assess subjective or behavioural pain and be nurse-administered, while reviews without detailed psychometric data were excluded. Screening, quality appraisal (JBI checklist), and data extraction were performed independently by two researchers. Data synthesis combined qualitative and quantitative approaches, with psychometric properties evaluated using the COSMIN checklist. The study was reported in accordance with the Preferred Reporting Items for Overviews of Reviews (PRIOR) statement. RESULTS: Seventeen articles met the inclusion criteria, identifying 41 scales used across various patient populations, including critical care, paediatric, postoperative, cancer, cerebral palsy, disorders of consciousness, low back and neck pain, stroke and verbal communication disorders. The Paediatric Pain Profile, the Breakthrough Pain Assessment Tool and the Questionnaire on Pain caused by Spasticity demonstrated adequate psychometric properties, although the positive findings for the latter two should be confirmed by at least one additional study. Most of the scales (n = 36) require further studies to validate their use in clinical practice. For two scales, their clinical use remains questionable. CONCLUSION: The Paediatric Pain Profile, the Breakthrough Pain Assessment Tool, and the Questionnaire on Pain caused by Spasticity can be recommended for use. Unidimensional scales should complement, rather than replace, multidimensional scales to ensure a comprehensive pain assessment. Standardising documentation with validated scales enhances clinical decision-making, care quality, research usability, and reduces documentation burden.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,071 | 0,248 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,029 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».