Music is Beneficial for Awake Craniotomy Patients: A Qualitative Study
Notice bibliographique
Résumé
OBJECTIVES: Patients undergoing awake craniotomy may experience high levels of stress. Minimizing anxiety benefits patients and surgeons. Music has many therapeutic effects in altering human mood and emotion. Tonality of music as conveyed by composition in major or minor keys can have an impact on patients' emotions and thoughts. Assessing the effects of listening to major and minor key musical pieces on patients undergoing awake craniotiomy could help in the design of interventions to alleviate anxiety, stress and tension. METHODS: Twenty-nine patients who were undergoing awake craniotomy were recruited and randomly assigned into two groups: Group 1 subjects listened to major key music and Group 2 listened to minor key compositions. Subjects completed a demographics questionnaire, a pre- and post-operative Beck Anxiety Inventory (BAI) and a semi-structured open-ended interview. RESULTS were analyzed using modified thematic analysis through open and axial coding. RESULTS: Overall, patients enjoyed the music regardless of the key distinctions and stated they benefitted from listening to the music. No adverse reactions to the music were found. Subjects remarked that the music made them feel more at ease and less anxious before, during and after their procedure. Patients preferred either major key or minor key music but not a combination of both. Those who preferred major key pieces said it was on the basis of tonality while the individuals who selected minor key pieces stated that tempo of the music was the primary factor. CONCLUSION: Overall, listening to music selections was beneficial for the patients. Future work should further investigate the effects of audio interventions in awake surgery through narrative means.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».