Music: A holistic approach to symptom management for patients undergoing cancer treatment
Notice bibliographique
Résumé
Background and objective: Patients undergoing chemotherapy carry a tremendous amount of psychological and physical burdens. The focus of care in the oncology setting should include a blend of pharmacological and holistic medicine to achieve desired health goals. This research includes a comprehensive review of music therapy as a vehicle to promote psychotherapeutic effects on patients receiving chemotherapy. This review serves to identify the positive outcomes of patients engaging in music therapy while receiving chemotherapy.Methods: An integrative literature review was conducted. Articles published between 2007 and 2020 were identified searching the databases of CINAHL, PubMed, and ProQuest. Key words included music therapy, psychological, chemotherapy, depression, anxiety and cancer.Results: Eight articles were reviewed that identified three emotional effects in relation to receiving chemotherapy: anxiety, depression and quality of life. The literature focused on how music therapy was used to improve these emotional states. The Spielberger State Anxiety Inventory- State Anxiety Scale and other standardized units were used to evaluate the positive effects of music therapy. These tools, which help standardize assessments, found noticeable psychosocial improvements.Conclusions: Further studies are needed to conduct a more comprehensive use of music therapy in the healthcare setting. Inclusive literature should also be available as an alternative method of treatment to provide additional outlets for improvement of health outcomes. The information studied has already found promising results of music therapy on patients' psychological wellbeing while receiving chemotherapy.
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 ».