Feasibility of a multimodal exercise, nutrition, and palliative care intervention in advanced lung cancer
Notice bibliographique
Résumé
BACKGROUND: Advanced lung cancer patients face significant physical and psychological burden leading to reduced physical function and quality of life. Separately, physical activity, nutrition, and palliative symptom management interventions have been shown to improve functioning in this population, however no study has combined all three in a multimodal intervention. Therefore, we assessed the feasibility of a multimodal physical activity, nutrition, and palliative symptom management intervention in advanced lung cancer. METHODS: Participants received an individually tailored 12-week intervention featuring in-person group-based exercise classes, at-home physical activity prescription, behaviour change education, and nutrition and palliative care consultations. Patients reported symptom burden, energy, and fatigue before and after each class. At baseline and post-intervention, symptom burden, quality of life, fatigue, physical activity, dietary intake, and physical function were assessed. Post-intervention interviews examined participant perspectives. RESULTS: The multimodal program was feasible, with 44% (10/23) recruitment, 75% (75/100) class attendance, 89% (8/9) nutrition and palliative consult attendance, and 85% (17/20) assessment completion. Of ten participants, 70% (7/10) completed the post-intervention follow-up. Participants perceived the intervention as feasible and valuable. Physical activity, symptom burden, and quality of life were maintained, while tiredness decreased significantly. Exercise classes prompted acute clinically meaningful reductions in fatigue, tiredness, depression, pain, and increases in energy and well-being. CONCLUSION: A multimodal physical activity, nutrition, and palliative symptom management intervention is feasible and shows potential benefits on quality of life that warrant further investigation in a larger cohort trial. TRIAL REGISTRATION: NCT04575831 , Registered 05 October 2020 - Retrospectively registered.
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 | 0,002 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».