Pharmacological and non-pharmacological interventions improve food intake in cancer related anorexia and cachexia
Notice bibliographique
Résumé
Brown JK. A systematic review of the evidence on symptom management of cancer-related anorexia and cachexia. Oncol Nurs Forum2002 Apr; 29 : 517 –32 [OpenUrl][1][CrossRef][2][PubMed][3] QUESTION: What is the effectiveness of various strategies for management of cancer related anorexia and cachexia? Studies were identified by searching the Cochrane Library, Medline, CANCERLIT, CINAHL, Dissertation Abstracts, EBM Reviews–Best Evidence, EMBASE/Excerpta Medica, and the Computer Retrieval of Information on Scientific Projects (CRISP). Clinical trials were selected if the focus was to increase food intake, decrease energy expenditure, minimise weight loss, or minimise factors affecting food intake or energy expenditure in patients with cancer. Studies of micronutrient supplementation over recommended daily allowances and alternative dietary cancer treatments were excluded. Data were extracted on study design and setting, sample and follow up, intervention and adherence measures, outcome measures, and analysis. 7 clinical trials of non-pharmacological interventions, 4 reviews of pharmacological interventions and exercise, 1 meta-analysis of nursing symptom management, and 3 general overviews met the selection criteria. Non-pharmacological interventions : 7 … [1]: {openurl}?query=rft.jtitle%253DOncology%2Bnursing%2Bforum%26rft.stitle%253DOncol%2BNurs%2BForum%26rft.aulast%253DBrown%26rft.auinit1%253DJ.%2BK.%26rft.volume%253D29%26rft.issue%253D3%26rft.spage%253D517%26rft.epage%253D532%26rft.atitle%253DA%2Bsystematic%2Breview%2Bof%2Bthe%2Bevidence%2Bon%2Bsymptom%2Bmanagement%2Bof%2Bcancer-related%2Banorexia%2Band%2Bcachexia.%26rft_id%253Dinfo%253Adoi%252F10.1188%252F02.ONF.517-532%26rft_id%253Dinfo%253Apmid%252F11979284%26rft.genre%253Darticle%26rft_val_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Ajournal%26ctx_ver%253DZ39.88-2004%26url_ver%253DZ39.88-2004%26url_ctx_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Actx [2]: /lookup/external-ref?access_num=10.1188/02.ONF.517-532&link_type=DOI [3]: /lookup/external-ref?access_num=11979284&link_type=MED&atom=%2Febnurs%2F5%2F4%2F114.atom
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,004 |
| 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; 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 ».