Challenges of Implementing Multicenter Studies of Yoga for Pediatric Cancer and Hematopoietic Stem Cell Transplantation Recipients
Notice bibliographique
Résumé
The primary objective of this work was to determine the feasibility of a randomized trial of individualized yoga for children receiving intensive chemotherapy and for hematopoietic stem cell transplantation (HSCT) recipients outside of the principal coordinating institution. We evaluated the feasibility of a randomized trial of individualized yoga versus an iPad control program at a site where external yoga instructors were hired and compensated per session. Subjects were children receiving intensive chemotherapy for hematological malignancies and autologous or allogeneic HSCT recipients expected to be hospitalized for 3 weeks. Yoga or iPad control contact occurred daily for 21 days (excluding weekends and holidays); fatigue and quality-of-life outcomes were measured at baseline, day 10, and day 21. Ten eligible subjects were identified; six subjects consented and were enrolled. Three were randomized to the individualized yoga intervention and three to the iPad control program. The median age of participants was 12 (range 8-15) years, and 2 (33%) were boys. Challenges primarily related to the hiring of yoga instructors who were not trained in research methods. We found issues with: (1) logistics of hiring, training, and retaining instructors; (2) communication between teams; (3) fidelity to the protocol and outcome assessments; and (4) ensuring safety. We found that a randomized trial of individualized yoga presented new challenges when relying on externally contracted yoga instructors. Future multicenter studies of yoga should seek to better integrate practitioners within the research team to improve processes, communication, fidelity to the protocol, and safety.
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) | 0,000 | 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) | 0,000 | 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 ».