Digital health solutions for caregivers of children experiencing acute pain: a scoping review
Notice bibliographique
Résumé
Digital health solutions are often used to support caregivers in managing acute pain in their children. The aim of this scoping review was to identify, characterize, and synthesize the literature on caregiver-targeted digital health solutions for acute pain management in children as it relates to caregiver, child, and implementation outcomes. Studies must have described a caregiver-targeted digital health solution for acute pain management in children that provides information or support to caregivers of children experiencing acute pain (eg, needle-related procedure, injury, medical procedure). Studies that included caregivers of children 0 to 19 years were eligible. Following the Joanna Briggs Institute scoping review methodology, MEDLINE, Embase, CINAHL, and PsycINFO databases were searched from January 1, 2010 to May 20, 2025. Two reviewers completed screening and data extraction, and a third reviewer resolved disagreements. From 8949 records screened, 33 studies were eligible. From these, there were 15 individual digital health solutions identified. Of the 7,125 caregivers, 95.2% were mothers. More than half of digital health solutions targeted caregivers of newborns (0-1 years, 60.6%), and all except 2 focused on acute pain during needle-related procedures (eg, vaccinations). Overall, 21 studies reported on caregiver outcomes (primarily knowledge), 11 reported on child outcomes (primarily pain and distress), and 28 reported on implementation outcomes (primarily adoption and acceptability). There is a need for (1) standardization in the evaluation of digital health solutions for caregivers, (2) digital health solutions that target acute pain other than needle-related procedures, and (3) increased diversity of caregivers (eg, non-White, non-mothers) and solutions (eg, culturally diverse).
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 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 ».