para cada criança e o segundo profissional registrava o vídeo. Posteriormente, 2

enfermeiros especialistas e experientes analisavam cada vídeo pós-operatório com a escala de avaliação da dor e a condição da criança para gerar um rótulo de dor. A escala utilizada para avaliação de crianças menores de 7 anos foi a Face, Legs, Activity, Cry, Consolability e para a avaliação de crianças maiores de 7 anos, utilizaram o autorrelato guiado pela Faces Pain Scale- Revised (FPS-R). A última etapa de revisão dos dados era realizada por duas enfermeiras pediátricas experientes que revisaram todos os vídeos e avaliações previamente feitas. As avaliações manuais obtidas pelo emprego das duas escalas (FLACC e FPS-R) e a avaliação resumida da dor, compuseram a base de dados intitulada Clinical Pain Expression of Children (CPEC). A CPEC foi utilizada como base para o processamento deep learning realizado pelo software CPANN. Por fim, verificaram que o CPANN possui uma acurácia geral de 82,1%, o que possibilita uma avaliação rápida e precisa da dor infantil. Entretanto, o mecanismo ainda deve ser aprimorado, uma vez que o número de dados de crianças de 0 a 1 ano é pequeno comparado aos outros e o processamento é limitado a dados visuais, não abrangendo questões psicológicas e recursos sonoros. Referências: Fang J, Wu W, Liu J, Zhang S. Deep learning-guided postoperative pain assessment in children. Pain. 2023 Sep 1;164(9):2029-2035. doi: 10.1097/j.pain.0000000000002900. Epub 2023 May 5. PMID: 37146182; PMCID: PMC10436358. Alerta submetido em 03/11/2023 e aceito em 17/11/2023. Escrito por Ana Carolina Teles Marçal.