Clown Intervention on Psychological Stress and Fatigue in Pediatric Patients With Cancer Undergoing Chemotherapy
Notice bibliographique
Résumé
BACKGROUND: Clown intervention has been shown to enhance emotional and behavioral processes, but few studies have comprehensively examined the effectiveness of this practice using biomarkers. OBJECTIVE: The aim of this study was to evaluate the effect of a clown intervention on the levels of psychological stress and cancer-related fatigue in pediatric patients with cancer undergoing chemotherapy. METHODS: Sixteen patients who met all criteria from a pediatric oncology inpatient unit in a Brazilian comprehensive cancer care hospital participated in this quasi-experimental study. Eight saliva samples were collected, comprising 4 at baseline and 4 after clown intervention (+1, +4, +9, and +13 hours after awakening). Salivary cortisol and α-amylase levels were determined using high-sensitivity enzyme-linked immunosorbent assay kits. Stress and fatigue were measured by the Child Stress Scale-ESI and the PedsQL Multidimensional Fatigue Scale, respectively. Relationships among stress, fatigue, and biomarker levels were investigated using nonparametric statistics. RESULTS: In comparison with baseline measurements, the total psychological stress and fatigue levels improved after the clown intervention at the collection time point +4 hours (P = .003 and P = .04, respectively). Salivary cortisol showed a significant decrease after clown intervention at the collection time points +1, +9, and +13 hours (P < .05); however, α-amylase levels remained unchanged. CONCLUSION: These findings provide preliminary evidence that clown intervention merits further study as a way to reduce stress and fatigue in pediatric cancer inpatients, and that self-report and biomarker measures are feasible to collect in this patient group. IMPLICATIONS FOR PRACTICE: Clown intervention as a nonpharmacological intervention may improve stress and fatigue levels in pediatric inpatients with cancer undergoing chemotherapy.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».