Development, empirical testing and adaptation of a theory of procedural pain management in preterm infants
Bibliographic record
Abstract
La douleur chez les prématurés est un phénomène complexe qui est influencé par de nombreux facteurs. Malgré de nombreuses études, le soulagement de la douleur des prématurés demeure une préoccupation actuelle. Afin de guider adéquatement la recherche, l’utilisation d’une théorie permet de définir et de circonscrire les éléments qui seront évalués ainsi que les moyens utilisés pour l’évaluation des variables ciblées, l’interprétation des résultats et leurs retombées.Le but de cette thèse était de développer, d’évaluer et d’adapter une théorie portant sur la gestion de la douleur procédurale des prématurés afin d’offrir une perspective théorique regroupant différents éléments influençant l’évaluation et le soulagement de la douleur. Le développement de la théorie Pain Assessment and INterventions in Neonatology (PAIN-Neo) a été réalisée à partir d’une analyse critique des perspectives théoriques en douleur pédiatrique ainsi que par le biais d’une revue exhaustive des écrits visant à recenser les facteurs impliqués dans la gestion de la douleur des prématurés au niveau empirique. L’évaluation de certains liens postulés dans cette théorie a été effectuée par la réalisation d’une revue systématique auprés des prématurés (n=1028) et d’une étude transversale quantitative auprès d’infirmières œuvrant en néonatologie (n=202). La théorie PAIN-Neo propose une vision innovante de la gestion de la douleur procédurale chez le prématuré, pour les chercheurs et les cliniciens en néonatologie, en intégrant le prématuré, les professionnels de la santé et les parents, tout en considérant les différents facteurs individuels et contextuels influençant la douleur pour ces trois acteurs.
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 | 0.038 | 0.099 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.013 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 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".