Yoga for symptom management in oncology: A review of the evidence base and future directions for research
Notice bibliographique
Résumé
Because yoga is increasingly recognized as a complementary approach to cancer symptom management, patients/survivors and providers need to understand its potential benefits and limitations both during and after treatment. The authors reviewed randomized controlled trials (RCTs) of yoga conducted at these points in the cancer continuum (N = 29; n = 13 during treatment, n = 12 post-treatment, and n = 4 with mixed samples). Findings both during and after treatment demonstrated the efficacy of yoga to improve overall quality of life (QOL), with improvement in subdomains of QOL varying across studies. Fatigue was the most commonly measured outcome, and most RCTs conducted during or after cancer treatment reported improvements in fatigue. Results also suggested that yoga can improve stress/distress during treatment and post-treatment disturbances in sleep and cognition. Several RCTs provided evidence that yoga may improve biomarkers of stress, inflammation, and immune function. Outcomes with limited or mixed findings (eg, anxiety, depression, pain, cancer-specific symptoms, such as lymphedema) and positive psychological outcomes (such as benefit-finding and life satisfaction) warrant further study. Important future directions for yoga research in oncology include: enrolling participants with cancer types other than breast, standardizing self-report assessments, increasing the use of active control groups and objective measures, and addressing the heterogeneity of yoga interventions, which vary in type, key components (movement, meditation, breathing), dose, and delivery mode.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».