Effect of yoga on patients with cancer: our current understanding.
Notice bibliographique
Résumé
OBJECTIVE: To determine whether therapeutic yoga improves the quality of life of patients with cancer. DATA SOURCES: Search of MEDLINE database (1950-2010) using key words yoga, cancer, and quality of life. STUDY SELECTION: Priority was given to randomized controlled clinical studies conducted to determine the effect of yoga on typical symptoms of patients with cancer in North America. SYNTHESIS: Initially, 4 randomized controlled clinical studies were analyzed, then 2 studies without control groups were analyzed. Three studies conducted in India and the Near East provided interesting information on methodologies. The interventions included yoga sessions of varying length and frequency. The parameters measured also varied among studies. Several symptoms improved substantially with yoga (higher quality of sleep, decrease in symptoms of anxiety and depression, improvement in spiritual well-being, etc). It would appear that quality of life, or some aspects thereof, also improved. CONCLUSION: The variety of benefits derived, the absence of side effects, and the cost-benefit ratio of therapeutic yoga make it an interesting alternative for family physicians to suggest to their patients with cancer. Certain methodologic shortcomings, including the limited size of the samples and varying levels of attendance on the part of the subjects, might have reduced the statistical strength of the studies presented. It is also possible that the measurement scales used did not suit this type of situation and patient population, making it impossible to see a significant effect. However, favourable comments by participants during the studies and their level of appreciation and well-being suggest that further research is called for to fully understand the mechanisms of these effects.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».