MétaCan
Menu
Retour à la cohorte
Enregistrement W27186403 · doi:10.6004/jadpro.2013.4.4.3

Complementary Strategies for the Management of Radiation Therapy Side Effects

2013· review· en· W27186403 sur OpenAlexaff
C Stubbe, M. Valero

Notice bibliographique

RevueJournal of the Advanced Practitioner in Oncology · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueComplementary and Alternative Medicine Studies
Établissements canadiensCanadian College of Naturopathic Medicine
Organismes subventionnairesnon disponible
Mots-clésMedicineMucositisSide effect (computer science)LimitingRadiation therapyDiarrheaCancerIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Patients with cancer utilize complementary and alternative medicine (CAM) for a variety of purposes, one of which is the reduction of side effects of conventional treatment. With a large number of their patients using CAM, it is important for advanced practitioners in oncology to have an understanding of these therapies to better guide their patients. Side effects of radiation therapy that may have dose-limiting poten-tial include diarrhea, mucositis, skin toxicity, and xerostomia. A com-mon side effect that is not necessarily dose-limiting but considerably troublesome to patients is cancer- and treatment-related fatigue. The CAM therapies that may alleviate some of the side effects of radiation therapy include probiotics, psyllium, exercise, melatonin, honey, acu-puncture, and calendula. Therapies that require more research or have been shown to be ineffective include aloe vera, glutamine, and deglyc-yrrhizinated licorice. This article provides an overview of these thera-pies as well as related research and analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,103
Tête enseignante GPT0,467
Écart entre enseignants0,364 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations29
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Advanced Practitioner in OncologyMême sujetComplementary and Alternative Medicine StudiesTravaux en français237 207