The Labour Pain and Psychosocial Factors for the Choice of epidural Analgesia
Notice bibliographique
Résumé
Aims: To describe the type of pain and Labour to Evaluate Factors for epidural analgesia (EA) choice. Methods: 98 parturients were recruited in this prospective observational study. The Labour pain intensity was measured on a visual analog scale before the first vaginal exam and every time as vaginal exam was Performed; parturients completed pain catastrophizing (PC) and the McGill questionnaire and were asked about plans to choose Labour Analgesia. Demographic Data and questions about overall childbirth experience were measured on first day after vaginal delivery. Results: The cohort comprised 34 (34.7%) women with EA. 36 (36.7%) women Reported plans to use EA at the time They had arrived the delivery-room and the EA was done for 27 (75%) of women under these (p <0.05). The first vaginal exam had Revealed That women with preconception and enough information about EA had arrived the delivery room with less cervical dilatation (p = 0:01). PC and pain intensity During first vaginal exam did not influencing the choice of EA (p> 0:05). Uterini contractions pain intensity correlated with the choice of EA (p = 0.027). Labour prodromal pain described as pulling, dreadful. Active stage pain is Troublesome and annoying, pressing and pulsing. Labour analgesia has not impact on the pain description (p <0.05). Conclusion: PC and pain of vaginal exam have no Influence on EA's choice, but women mood and expectation are important factor. Emotional and sensual components are equaled important to describe the Labour pain. During the process of the Labour choice of affective descriptors Differ from reflecting the anxiety Describing tiredness, while sensor components do not change, only intensity of pain varies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».