Psychological and Physical Interventions for the Management of Cancer-Related Pain in Pediatric and Young Adult Patients: An Integrative Review
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To identify and appraise current evidence related to the effectiveness of psychological and physical (nonpharmacologic) pain management modalities for children and young adults with cancer . DATA SOURCES: Electronic searches in MEDLINE, EMBASE, CINAHL, PsycINFO, and Web of Science (from database inception to June 2013) for clinical trials. DATA SYNTHESIS: A total of 32 unique studies were identified. Substantial heterogeneity existed across identified studies, precluding meta-analysis. Therefore, a narrative review of included studies is presented. Studies featured psychological and/or physical pain interventions for children and young adults (N = 1,171) aged 1-21 years with a variety of cancer diagnoses. Interventions included aromatherapy, art therapy, distraction, hypnosis, physical activity, physical positioning, touch therapy, and multimodal cognitive-behavior therapy. Twenty-two studies (69%) reported success in preventing or reducing pain intensity. The level of evidence and methodologic quality of studies were generally low . CONCLUSIONS: Current nonpharmacologic pain interventions for pediatric and young adult patients with cancer are diverse. Several modalities significantly decreased pain intensity, suggesting that these strategies may be effective methods of pain treatment, particularly in the case of painful medical procedures. Future well-designed, multicenter, randomized, controlled trials are needed to further discern treatment effects on pain and other health outcomes in this population and to compare the relative effectiveness of different modalities. IMPLICATIONS FOR NURSING: Nurses play a key role in pain assessment and management in pediatric and young adult patients with cancer. The studies included in this review constitute the beginnings of an evidence base that supports the need to implement psychological and physical interventions to improve pain outcomes in pediatric and young adult 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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».