“I Beat Cancer to Feel Sick:” Qualitative Experiences of Sleep Disturbance in Black Breast Cancer Survivors and Recommendations for Culturally Targeted Sleep Interventions
Notice bibliographique
Résumé
BACKGROUND: Sleep disturbance is common and distressing among cancer survivors. Black breast cancer survivors (BBCS) suffer disproportionately from sleep disturbance, yet there is limited research on how to address this issue. PURPOSE: This study aimed to understand the multifaceted experiences of sleep disturbance among BBCS and how to culturally target a mobile health (mHealth) intervention to improve sleep outcomes in BBCS. METHODS: Semi-structured interviews were conducted in a purposive sample of 10 BBCS. Interviews were audio-recorded, transcribed, and coded for key barriers to sleep and potential solutions to incorporate into behavioral interventions using NVivo 12. Inductive applied thematic analysis techniques were employed to identify emergent themes. RESULTS: Ten BBCS (mean age = 54, SD = 10) described their experiences of sleep disturbance with themes including: (1) barriers to quality sleep (e.g., cancer worry, personal responsibilities), (2) psychosocial impacts of sleep disturbance (e.g., fatigue, distress), and (3) commonly used strategies to improve sleep. The second section discusses suggestions for developing mHealth interventions to improve sleep for BBCS including: (1) feedback on an existing mHealth intervention and (2) intervention topics suggested by BBCS. CONCLUSIONS: Our findings highlight the challenges associated with sleep disturbance in BBCS. Participants report culturally targeted mHealth interventions are needed for BBCS who experience chronic sleep disturbance that affects their overall quality of life. These interventions should address coping with sleep-related issues relevant to many breast cancer survivors and BBCS (e.g., sexual intimacy, fear of cancer recurrence) and should incorporate intervention strategies acceptable to BBCS (e.g., prayer, meditation).
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 | 0,016 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».