1030 An Exploration of the Impact of Cognitive Behavioural Therapy of Insomnia (CBT-I) on Perceived Cognitive Impairment in Breast Cancer Survivors
Notice bibliographique
Résumé
Abstract Introduction Insomnia and cognitive impairment are prevalent and persistent symptoms in cancer survivors. Cognitive Behavior Therapy is effective for improving insomnia and comorbid symptoms in cancer survivors but there are very few empirically supported treatments that can improve cognitive impairment. This feasibility study explored the impact of CBT-I on perceived cognitive impairment in breast cancer survivors. Methods We enrolled 10 early stage breast cancer survivors with insomnia disorder and perceived cognitive impairment. Participants received 7 individual sessions of CBT-I over the course of 8 weeks and completed the Insomnia Severity Index (ISI), the Functional Assessment of Cancer Therapy - Cognitive Function (FACT-Cog) questionnaires and The Hospital Anxiety and Depression Scale (HADS) at baseline and post-treatment. Paired samples t-tests were used to assess change over time. Results The sample was predominantly diagnosed with stage II breast cancer (60%). Women were an average age of 50.8 (SD 6.84) and 18.2 (SD 3.62) years of education. CBT-I significantly reduced insomnia severity [19.4 to 7.1; t(9)= 6.56, p < .001] and improved perceived cognitive impairment [t(9)= -3.55, p < .01], perceived cognitive ability [t(9)= -2.87, p < .05], quality of life [t(9)= -3.14, p < .05], and overall subjective cognitive function [t(9)= -3.67, p < .01]. Although participants began treatment with low levels of mood disturbance, CBT-I further decreased symptoms of anxiety (baseline: M= 10.10, SD= 4.34; post-treatment M= 8.20, SD= 3.91) and depression (baseline: M= 7.90, SD= 3.45; post-treatment M= 5.30, SD= 2.83), although not statistically significant. Conclusion This study suggests CBT-I may improve perceived cognitive impairment in cancer survivors, in addition to insomnia and mood. Future randomized controlled trials with larger samples and objective measurements of cognition are needed. Support Nyissa Walsh is a trainee in the Cancer Research Training Program of the Beatrice Hunter Cancer Research Institute (BHCRI). Dr. Sheila Garland is supported by a Scotiabank New Investigator Award from BHCRI.
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 | 0,000 | 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 ».