MétaCan
Menu
Retour à la cohorte
Enregistrement W2211118566 · doi:10.22037/anm.v17i58.670

EFFECTS OF AROMATHERAPY AND MASSAGE ON PAIN OF PATIENTS WITH MULTIPLE SCLEROSIS (MS)

2007· article· en· W2211118566 sur OpenAlexaboutno aff
F Atashzadeh Shourideh, Shamaneh Mohammadi, Z H Abed Saeidi, Hamid Alavi Majd, M H Salehi Sourmeghi

Notice bibliographique

RevueAdvances in nursing and midwifery · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePowdery Mildew Fungal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAromatherapyMassageMedicinePhysical therapyPopulationAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BackgroundMultiple sclerosis (MS) is one of common autoimmune diseases with 0.1% incidence in the world population. Pain is one of its clinical manifestations and, according to recent studies, it mostly remains untreated. Pain relief is a primary nursing intervention and, currently, complementary therapies such as massage and aromatherapy are increasingly used for it. PurposeThis quasi-experimental study was conducted to compare between the effects of massage with menthol (aromatherapy) and sweet almond on MS-related pain in patients referring to Mazandaran MS Association in Sari, 2006. Methods80 MS patients were selected by purposive sampling method. Inclusion criteria consisted of age between 20 and 40; no massage prohibition; presence of pain in lumbar or distal extremities; no history of allergy, headache and respiratory diseases. Data were collected by a questionnaire in two parts: demographics and McGill pain scale (0-5). Its validity and reliability were checked by content and internal consistency (r=0.88) methods respectively. Patients were randomly divided into two groups: massage group receiving sweet almond massage and aromatherapy group receiving aromatic (mint abstract) menthol massage. Severity of pain was recorded and compared before and after the intervention. ResultsFinding showed no difference between the groups in terms of demographic data and pain severity before the intervention (P< 0.05). On the other hand, a significant difference was found within (P

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in nursing and midwiferyMême sujetPowdery Mildew Fungal DiseasesTravaux en français237 207