Psychosocial Interventions at the End-of-Life
Notice bibliographique
Résumé
BACKGROUND: The integration of holistic and effective end-of-life (EOL) care into cancer management has increasingly become a recognized field. People living with terminal cancer and their caregivers face a unique set of emotional, spiritual, and social stressors, which may be managed by psychosocial interventions. OBJECTIVES: This study aimed to explore the types and characteristics of psychosocial interventions at the EOL for adult cancer patients and their caregivers and to identify gaps in the current literature. METHODS: A systematic search was conducted through MEDLINE (Ovid) and CINAHL from January 1, 2011, to January 31, 2021, retrieving 2453 results. A final 15 articles fulfilled the inclusion criteria, reviewed by 2 independent reviewers. Ten percent of the original articles were cross-checked against study eligibility at every stage by 2 experienced researchers. RESULTS: Most interventions reported were psychotherapies, with a predominance of meaning or legacy-related psychotherapies. Most interventions were brief, with significant caregiver involvement. Most studies were conducted in high-income, English-speaking populations. CONCLUSION: There is robust, although heterogeneous, literature on a range of psychosocial interventions at the EOL. However, inconsistencies in the terminology used surrounding EOL and means of outcome assessment made the comparison of interventions challenging. IMPLICATION FOR PRACTICE: Future studies will benefit from increased standardization of study design, EOL terminology, and outcome assessment to allow for a better comparison of intervention efficacy. There is a need for increased research in psychosocial interventions among middle- to low-income populations exploring social aspects, intimacy, and the impact of COVID-19.
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) | 0,002 | 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 ».