23 Findings from a pilot and feasibility trial of a music therapy intervention in specialist palliative care
Notice bibliographique
Résumé
Introduction Music therapy aligns to the holistic approach to palliative and end-of-life care (PEOLC) with increased prevalence in PEOLC settings (Graham-Wiseneret al.2018). Despite this there is a dearth of high-quality evidence examining the impact of music therapy towards end of life on quality of life (McConnellet al.2016). Aims The aim of this pilot and feasibility study was to: test procedures; outcomes and validated tools; estimate recruitment and attrition rates; and calculate the sample size required for a phase III randomised controlled trial. Methods A single-centre pilot and feasibility trial with patients admitted to a specialist palliative care inpatient unit within the United Kingdom. Participants were randomised (1:1) to either a music therapy intervention of two 30–45 min sessions of music therapy per week for three consecutive weeks or usual care. The primary outcome measure was to evaualte the feasibility of administering the McGill Quality of Life Questionnaire (MQoL) baseline with follow-up measures at one, three and five weeks. Results 51 participants were recruited to the trial over a 12 month period. Feasibility of administering music therapy intervention and attrition rates identified one-week follow-up as an appropriate primary outcome. Results suggest a likely effect on MQoL total score between intervention and control arms in particular the existential subscale. Conclusion The current study resolved a number of issues towards informing robust procedures for a phase III RCT. This data is urgently needed to ensure an evidence-based decision on inclusion of music therapy in palliative care services. References . Graham-Wisener L, Watts G, Kirkwood J, Harrison C, McEwan J, Porter S, Reid J, McConnell TH. Music therapy in UK palliative and end-of-life care: A service evaluation. BMJ supportive & palliative care2018. . McConnell T, Scott D, Porter S. Music therapy for end-of-life care: An updated systematic review. Palliative Medicine2016;30(9):877–883.
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 | 0,038 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».