Can We Improve Parents’ Management of their Children’S Postoperative Pain at Home?
Notice bibliographique
Résumé
BACKGROUND: Thousands of children undergo surgery each year, and a shift toward same-day surgeries and decreased lengths of hospital stay results in parents being increasingly responsible for their child's postoperative care. Recent studies have tested interventions designed to improve parent management of their children's postoperative pain at home, but progress in this area has been limited by a lack of synthesis of these findings. OBJECTIVE: To conduct a systematic review of interventions to improve parent management of children's postoperative pain at home. METHODS: Articles evaluating interventions to improve management of their children's postoperative pain were identified using a library scientist-designed search strategy applied in EMBASE, PubMed, CINAHL and PsycINFO. Two independent raters assessed each study for eligibility and extracted data. RESULTS: Of the 147 articles identified for the review, eight met the inclusion criteria. Interventions included pain education, training in pain assessment, education on distraction, instruction in around-the-clock dosing and nurse coaching. Overall, results of comparisons of pain intensity and analgesic administration were modest. The intervention with the largest effect size was instruction in around-the-clock dosing, either alone or in combination with nurse coaching. Results of studies investigating pain assessment, pain education and distraction trials revealed small to medium effect sizes. CONCLUSIONS: Results of trials investigating interventions to improve parent management of their children's postoperative pain at home were modest. Future studies should further examine barriers and facilitators to pain management to design more effective interventions.
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 | 0,017 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».