An international review and meta-analysis of prehabilitation compared to usual care for cancer patients
Notice bibliographique
Résumé
PURPOSE: The purpose of the study is to systematically review and synthesise randomised controlled trials investigating the effectiveness of prehabilitation compared to usual care for newly diagnosed, adult-onset cancer patients. METHODS: MEDLINE, EMBASE, PsycINFO, CINAHL and SSCI were searched up to April 2017. Studies were included if disease-related, treatment-related, patient-reported and health service utilisation outcomes were assessed. Two reviewers independently reviewed and appraised the risk of bias of each study. RESULTS: Eighteen studies were included. Interventions comprised one or more of the following components: psychological support, education and exercise. Meta-analyses found that pelvic floor muscle training (PFMT) significantly increased odds of continence at 3 months (OR = 3.29, 95% CI = 1.57-6.91), but did not significantly reduce daily pad use at 6 months post-surgery Mean Difference (MD)= ( = - 0.96, 95% CI = - 2.04-0.12) for prostate cancer patients. Although quality of life improved due to PFMT, functional ability or distress did not. Further meta-analyses indicated that pre-surgical exercise significantly reduced length of hospital stay (MD = - 4.18, 95% CI = - 5.43-- 2.93) and significantly lowered odds of post-surgery complications (OR = 0.25, 95% CI = 0.10-0.66) for lung cancer patients. Psychology-based prehabilitation significantly improved mood, physical well-being and immune function for prostate cancer patients and improved fatigue and psychological outcomes and a trend for better quality of life among breast cancer patients. Risk of bias was high for most studies. CONCLUSIONS: Prehabilitation appears to benefit cancer patients. Rigorous trials are needed to investigate the effectiveness of prehabilitation among other cancer sites and other related effects. The cost-effectiveness of prehabilitation remains unanswered. IMPLICATIONS FOR CANCER SURVIVORS: Providing interventions earlier in the care pathway may lead to better outcomes for patients during survivorship.
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 | 0,017 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,033 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».