Acupuncture for Cancer-Related Pain: An Open Clinical Trial
Notice bibliographique
Résumé
Abstract Background: Among patients with cancer, pain is common and significantly impairs quality of life. The mainstay of treatment, opioids, can increase nausea and fatigue. Acupuncture appears to be efficacious for nonmalignant pain states. Studies of acupuncture for cancer-related pain are mixed, with systematic reviewers calling for further studies. Materials and Methods: Fifty-seven patients receiving treatment at a university oncology center and who had significant pain were seen in an open treatment program. A semistructured acupuncture protocol was designed to target pain, as well as anxiety, depression, fatigue, and nausea. Outcome measures included the Brief Pain Inventory (BPI) as the primary outcome and Edmonton Symptom Assessment System (ESAS) ratings of current symptoms. Patients were offered up to 12 sessions of acupuncture, typically over a 3-month period. Results: Twenty-five patients were considered to be treatment completers, receiving 9 or more sessions of acupuncture, and the analysis examines the response for these patients. Pain severity on the BPI decreased by 32% from baseline to the last session and pain interference decreased by 40%. Current symptoms on the ESAS decreased by ∼50% for pain, nausea, and fatigue, and by 44% for anxiety. Except for nausea, these change scores were all found to be significant on paired t -tests. Conclusions: This semistructured acupuncture protocol appeared to be effective for reducing cancer-related pain and other symptoms. Further study with a larger sample size, an appropriate control, and adequate follow-up is warranted. It would also be helpful to assess pragmatic outcomes including nausea and pain medication use and hospital admission for pain.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».