The Use of Transcutaneous Electrical Nerve Stimulation (TENS) in a Major Cancer Center for the Treatment of Severe Cancer-Related Pain and Associated Disability
Notice bibliographique
Résumé
BACKGROUND: Cancer pain is difficult to treat, often requiring a multimodal approach. While medication management remains the mainstay for the treatment of cancer pain, medications are often associated with undesired side effects. Transcutaneous electrical nerve stimulation (TENS) provides a potential adjunctive method for treating cancer pain with minimal side effects. OBJECTIVE: Few studies have been performed evaluating the efficacy of TENS on cancer pain. We sought to examine the usefulness of TENS on all cancer patients and to specifically look at the use of TENS as a goal-directed therapy to improve functionality. DESIGN: Retrospective cohort study. METHODS: Since 2008, patients with chronic cancer pain and on multimodal pain regimens were trialed with TENS. Those patients who showed an improvement in pain symptoms or severity were educated about and provided with a TENS unit for use at home. Pain symptoms and scores were monitored with the visual analog scale (VAS), the numerical rating pain (NRP) scale, and Short-Form McGill Questionnaire at the start of TENS treatment and at 2 months follow-up. RESULTS: TENS proved beneficial in 69.7% of patients over the course of 2 months. In TENS responsive patients, VAS scores decreased by 9.8 on a 0-100 mm scale (P < 0.001), and NRP scores decreased by 0.8 on a 1-10 scale (P < 0.001). LIMITATIONS: Lack of placebo and lack of blinding of physician and patient. CONCLUSIONS: TENS provides a beneficial adjunct for the treatment of cancer pain, especially when utilized as a goal-directed therapy.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».