Effects and moderators of psychosocial interventions on quality of life, and emotional and social function in patients with cancer: An individual patient data meta‐analysis of 22 RCTs
Notice bibliographique
Résumé
OBJECTIVE: This individual patient data (IPD) meta-analysis aimed to evaluate the effects of psychosocial interventions (PSI) on quality of life (QoL), emotional function (EF), and social function (SF) in patients with cancer, and to study moderator effects of demographic, clinical, personal, and intervention-related characteristics. METHODS: Relevant studies were identified via literature searches in 4 databases. We pooled IPD from 22 (n = 4217) of 61 eligible randomized controlled trials. Linear mixed-effect model analyses were used to study intervention effects on the post-intervention values of QoL, EF, and SF (z-scores), adjusting for baseline values, age, and cancer type. We studied moderator effects by testing interactions with the intervention for demographic, clinical, personal, and intervention-related characteristics, and conducted subsequent stratified analyses for significant moderator variables. RESULTS: PSI significantly improved QoL (β = 0.14,95%CI = 0.06;0.21), EF (β = 0.13,95%CI = 0.05;0.20), and SF (β = 0.10,95%CI = 0.03;0.18). Significant differences in effects of different types of PSI were found, with largest effects of psychotherapy. The effects of coping skills training were moderated by age, treatment type, and targeted interventions. Effects of psychotherapy on EF may be moderated by cancer type, but these analyses were based on 2 randomized controlled trials with small sample sizes of some cancer types. CONCLUSIONS: PSI significantly improved QoL, EF, and SF, with small overall effects. However, the effects differed by several demographic, clinical, personal, and intervention-related characteristics. Our study highlights the beneficial effects of coping skills training in patients treated with chemotherapy, the importance of targeted interventions, and the need of developing interventions tailored to the specific needs of elderly patients.
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 | 0,028 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,069 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».