The Effects of Mind-Body Interventions on Sleep in Cancer Patients
Notice bibliographique
Résumé
OBJECTIVE: To examine the effect of mind-body interventions (MBIs) on sleep quality among cancer patients, the moderating effects of the intervention components, subject characteristics, and methodological features of the relationship between MBIs and sleep. DATA SOURCES: Electronic databases, including PubMed, Cochrane Library, PsycINFO, and CINAHL, containing data with English-language restriction recorded up to September 15, 2013 were searched thoroughly using keywords related to various types of MBI and sleep. STUDY SELECTION: Of the 114 identified citations, 99 were ineligible. Fifteen studies that followed 1,405 patients with cancer met the inclusion criteria and were analyzed. DATA EXTRACTION: The primary outcome was change in the sleep parameter. Other variables related to components of MBIs, subject characteristics, and methodological features of the studies were also extracted. DATA SYNTHESIS: The weighted mean effect size (ES) was -0.43 (95% confidence interval [CI], -0.24 to -0.62) and the long-term effect size (up to 3 months) was -0.29 (95% CI, -0.52 to -0.06). The sensitivity analysis revealed that MBIs had a significant effect on sleep (g = -0.33, P < .001). The moderating effects of components of the intervention, methodological features, subject characteristics, and quality of the studies on the relationship between MBIs and sleep were not found (all P values > .05). CONCLUSIONS: This meta-analysis confirms that the MBIs yielded a medium effect size on sleep quality and the effect was maintained for up to 3 months. The findings support the implementation of MBIs into the multimodal approach to managing sleep quality in patients with cancer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».