Saattohoidossa olevan potilaan kivun tunnistaminen

Saattohoidon tarve kasvaa jatkuvasti. Suomessa vaativaa saattohoitoa tarvitsevia potilaita hoidetaan enemmän perusterveydenhuollon ja erikoissairaanhoidon yksiköissä, kuin saattohoitoon erikoistuneissa yksiköissä. Saattohoidossa olevan potilaan hoidossa on tärkeää erityisesti kivun tunnistaminen. Kipua voidaan havainnoida tarkkailemalla potilaan ilmeitä ja eleitä. Kivun tunnistamisessa voidaan hyödyntää erilaisia kipumittareita ja -kyselyitä. Opinnäytetyön aihe tuli tilauksena Kauhavan sairaalaosaston osastonhoitajalta. Tämän opinnäytetyön tarkoituksena on analysoida saattohoidossa olevan potilaan kivun tunnistamiseen soveltuvia kipumittareita. Opinnäytetyön tavoitteena on tuottaa tietoa saattohoidossa olevan potilaan kivun tunnistamiseen soveltuvista kipumittareista näyttöön perustuvan saattohoidon tueksi. Opinnäytetyö on toteutettu kuvailevana kirjallisuuskatsauksena ja kahdeksan lähdeaineistona toimivan tutkimuksen analyysi suoritettiin käyttämällä omarakentamaa analyysikehikkoa. Analyysin kohteina olivat kipumittareiden kehitysmaa, julkaisuvuosi, kipumittarin kohderyhmä, mittarin erityispiirteet, kipumittarin arviointiperusta, vahvuudet ja heikkoudet tutkimusten mukaan, kipumittarin kieliversiot, mistä kipumittari on saatavilla sekä henkilöstön kouluttamisen vaade. Analyysikehikon avulla saatiin kokonaiskuvat PAINAD-, PACSLAC-, VAS- ja NRS-kipumittareista ja mittarit jaoteltiin potilaan itse ilmaisemaan arvioon kivusta sekä hoitajan arvioimaan potilaan kivun määrään. Kipumittareiden analyysin tuloksena yhteistyötaholle suositellaan saattohoidossa olevan potilaan kivun tunnistamisen apuvälineeksi PAINAD-kipumittaria. PAINAD-kipumittari on yksinkertainen, validi ja luotettava kipumittari saattohoidossa olevan potilaan kivun tunnistamiseen. PAINAD-kipumittari on nopeakäyttöinen ja soveltuu myös lievemmästä dementiasta kärsivien potilaiden kivun tunnistamiseen. Lisäksi hoitohenkilökunta on tottunut työssään huomioimaan valtaosaa kipumittarissa mukana olevista käyttäytymisen muutoksista, joten sen käyttöönottokynnys on matala.The need for hospital care is constantly increasing. Patients requiring intensive hospice care in Finland are being treated more in units of primary health care and special health care than in specialized hospice care units. During the treatment of a patient in a hospice care, it is especially important to recognize pain. Pain can be observed by reading the patient's facial expressions and gestures. Different pain can be used to identify pain. The subject of the thesis was ordered by the department manager at the Kauhava Hospital Department. The purpose of this thesis is to analyze the pain scales for the patient's pain relief. The aim of the thesis is to provide information on pain relief measures for identifying pain in a patient who is undergoing treatment in order to support evidence-based hospice care. The thesis was completed as a literature review and the eight-source research was performed using a self-constructing analysis framework. The aim of the study was to find the pain scales’ developing country, the year of publication, the target population of the pain scale, the characteristics of the scale, the assessment criterion, the strength and weakness aspects according to the studies, the language versions of the pain scale, the source of the pain scale and the staff training requirement. The analysis frame provided a general view of PAINAD, PACSLAC, VAS and NRS pain scales were subdivided into a patient’s assessment of her/his pain and the nurse assessed the amount of pain in the patient. As a result of the pain scale analysis, the PAINAD pain scale is recommended for the assessment patients’ pain. The PAINAD pain scale is a simple, valid and reliable pain scale to identify the patient's pain in a nursing home. The PAINAD pain scale is fast-operated and also suitable for detecting pain in patients with mild dementia. Additionally, nursing staff are accustomed to taking insight of the behavioral changes, so initialization of the PAINAD pain scale is low