Painful decisions: an exploration of pain assessment (from the perspective of others) within a signal detection theory framework
Notice bibliographique
Résumé
Pain perception is individualistic, subjective and difficult to assess and measure accurately. It is vital for the implementation of appropriate treatment strategies, that healthcare providers and receivers arrive at a similar pain assessment when evaluating a pain experience. The benefits that accrue from mutually derived pain assessment cannot be overstated. These include patients’ well being, appropriate patient care and support, enhanced cost effectiveness of health care systems, and more efficient deployment of available resources. The primary aim of this research is to develop and assess the use of a pain detection and measurement tool within a social communication framework based on Craig’s 2009 Social Communication Model of Pain. The proposed pain detection/measurement tool integrates vignette methodology with a Signal Detection Theory (SDT) framework. The objective is to help explain the under and over estimation of pain commonly observed between healthcare receivers (i.e. patients, individuals etc. who experience pain) and healthcare providers (health practitioners, doctors, nurses, families, carers etc). Existing pain measurement instruments fail to accommodate the social interaction between these two parties. A convenience sample of 660 (i.e. undergraduates n =579; those who have chosen to work in healthcare aka student nurses n =81) judged four pain levels (no pain, mild, moderate and severe pain) experienced by characters depicted in a vignette series that incorporated pain descriptors from McGill Pain Questionnaire (Melzack, 1970) and pain indicators associated with Kehoe et al’s (2007) ‘profile of pain’, (e.g. the distress of pain, physical pain, its influence on suffers, etc). Pain judgement data was subjected to inferential and \nSDT analysis. Significant differences were found between groups in their criterion adopted in their pain perception at all levels and between the response-spread across the pain rating scale. Age and gender of characters depicted in vignettes were also found to influence pain judgements differently between groups. Student nurses’ criteria in their pain detection were lower in the no pain condition and higher in the moderate and severe pain condition compared to undergraduates. SDT analysis identified student nurses’ higher pain detection rates compared to undergraduates across mild, moderate and severe pain levels. Differences in willingness to report pain where there were no pain descriptors/indicators were also observed. Benefits of vignettes in clinical settings where both healthcare providers and receivers respond to a similar pain experience are explored. Results fuel a discussion of the use of SDT as an alternative framework for pain detection, assessment and measurement.
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 | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,015 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».