La gestion de la douleur et de l’anxiété chez les enfants lors de brèves interventions diagnostiques et thérapeutiques
Bibliographic record
Abstract
Résumé Les interventions médicales courantes utilisées pour évaluer et traiter les patients peuvent causer une douleur et une anxiété marquées. Les cliniciens devraient adopter une approche de base pour limiter la douleur et l’anxiété chez les enfants, notamment à l’égard des interventions diagnostiques et thérapeutiques fréquentes. Le présent document de principes est axé sur les nourrissons, les enfants et les adolescents qui subissent des interventions médicales courantes mineures, mais douloureuses. Il n’aborde pas les soins prodigués à l’unité de soins intensifs néonatale. Les auteurs examinent des stratégies simples et fondées sur des données probantes pour gérer la douleur et l’anxiété et donnent des conseils pour en faire un volet essentiel de la pratique clinique. Les professionnels de la santé sont invités à utiliser des façons de procéder peu invasives et, lorsque les interventions douloureuses sont inévitables, à combiner des stratégies simples de réduction de la douleur et de l’anxiété pour améliorer l’expérience du patient, du parent et du professionnel de la santé. Les administrateurs de la santé sont encouragés à créer des politiques pour leurs établissements, à améliorer la formation et l’accès aux lignes directrices, à créer des environnements propices aux enfants et aux adolescents, à s’assurer de la disponibilité du personnel, de l’équipement et des agents pharmacologiques appropriés et à effectuer des contrôles de qualité pour garantir une gestion de la douleur optimale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".