Association Between Music Therapy Techniques and Patient-Reported Moderate to Severe Fatigue in Hospitalized Adults With Cancer
Notice bibliographique
Résumé
PURPOSE: Cancer-related fatigue is a prevalent, debilitating symptom that contributes to increased health care utilization among hospitalized patients. Music therapy is a nonpharmacological intervention that uses active (eg, singing, selecting songs) and passive (eg, listening) techniques. Preliminary evidence from small trials suggests a potential benefit for cancer-related fatigue in the inpatient setting; however, it remains unclear which techniques are most effective. METHODS: A cross-sectional mixed-methods study was performed to compare cancer-related fatigue before and after active or passive music therapy. Cancer-related fatigue was captured via the Edmonton Symptom Assessment Scale fatigue item. Patients were asked to provide postsession free-text comments. RESULTS: A total of 436 patients (mean [standard deviation] age, 62.2 [13.4] years; n = 284 [65.1%] women; n = 294 [67.4%] white; active music therapy n = 360 [82.6%]; passive music therapy n = 76 [17.4%]) with a range of primary malignancies participated. Active music therapy was associated with a 0.88-point greater reduction in cancer-related fatigue (95% CI, 0.26 to 1.51; P = .006; Cohen’s D, 0.52) at postsession as compared with passive music therapy when restricting the analysis to patients who rated their baseline cancer-related fatigue as moderate to severe (ie, ≥ 4; n = 236 [54.1%]). Free-text responses confirmed higher frequencies of words describing positive affect/emotion among active music therapy participants. CONCLUSIONS: In a large sample of inpatient adults with diverse cancer disease types, active music therapy was associated with greater reduction in cancer-related fatigue and increased reporting of positive affect/emotions compared with passive music therapy. Additional research is warranted to determine the specific efficacy and underlying mechanisms of music therapy on cancer-related fatigue.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».