Intervention for Symptom Cluster Management of Fatigue, Loss of Appetite, and Anxiety among Patients with Lung Cancer undergoing Chemotherapy
Notice bibliographique
Résumé
OBJECTIVE: Patients with lung cancer can experience various distressing symptoms. The present study aims to use symptom cluster management intervention based on symptom management theory to moderate the severity of symptom clusters, including fatigue, loss of appetite, and anxiety, in patients with lung cancer undergoing chemotherapy. METHODS: A quasi-experimental study was conducted using historical controls to assess and compare the effect of a novel symptom cluster management intervention on the severity of fatigue, loss of appetite, and anxiety in patients with lung cancer undergoing chemotherapy. Lung cancer patients were recruited from an outpatient chemotherapy unit at a university hospital in Thailand. Eighty participants were assigned equally to the experimental and control groups. The study outcomes, including fatigue, loss of appetite, and anxiety, were assessed with the Edmonton Symptom Assessment System at baseline and days 7, 14, and 28 postintervention. Repeated-measures ANOVA was analyzed to determine mean differences between groups across time. RESULTS: < 0.001) for all symptoms within the cluster indicate the benefit of the intervention over time. CONCLUSIONS: The pattern of changes in the symptom cluster across the study period was significantly different between the two study groups. Patients in the experimental group reported an improvement in fatigue, loss of appetite, and anxiety over time after receiving the intervention. The results suggested that the symptom cluster management intervention provided a promising approach for the simultaneous treatment of multiple symptoms within a cluster.
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) | 0,000 | 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 ».