The Experiences of Touch Therapies in Symptom Management of Rural and Regional Cancer Patients in Australia
Notice bibliographique
Résumé
Introduction: Cancer patients are increasingly combining touch therapies (e.g., remedial massage, lymphatic massage, and/or reflexology) with conventional treatments to deal with the impact of their cancer and treatments on their physical and mental well-being. To understand the impact of integrative oncology services on cancer patients, it is essential to explore the impact that various types of integrative oncology services have on cancer patients. Aims: This paper presents cancer patients' experiences with touch therapies in a community-based cancer support center and to identify opportunities for better access to these practices and service provision in Australia. Methods: A random selection of cancer patients (n=36) receiving touch therapies at a rural/regional community cancer center completed mixed-methods mail surveys regarding the use of touch therapies, their satisfaction, and the impact on pain, fatigue, nausea and overall well-being. Results: Findings indicated that these services helped manage both physical and emotional symptoms. Of the participants experiencing pain and fatigue, findings revealed that touch therapies assisted with pain in 90% of participants and with fatigue in 70%. Conclusion: Given the increased and continued use of touch therapies by individuals with cancer, cancer centers should consider establishing touch therapy services or provide referrals to touch therapy services that can assist with symptom management and improve quality care. By more clearly understanding the benefits of the different types of integrative oncology interventions, patients with cancer receive more tailored and effective interventions throughout of their cancer journey.
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 | 0,002 | 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 ».