Open-Label Placebo for the Treatment of Cancer-Related Fatigue in Patients with Advanced Cancer: A Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to determine the effects of an open-labeled placebo (OLP) compared to a waitlist control (WL) in reducing cancer-related fatigue (CRF) in patients with advanced cancer using Functional Assessment of Chronic Illness Therapy-Fatigue (FACIT-F). MATERIALS AND METHODS: In this randomized controlled trial, patients with fatigue ≥4/10 on Edmonton Symptom Assessment Scale (ESAS) were randomized to OLP one tablet twice a day or WL for 7 days. On day 8, patients of both arms received a placebo for 3 weeks. Changes in FACIT-F from baseline to day 8 (primary outcome) and at day 29, were assessed. Secondary outcomes included FACT-G, Multidimensional Fatigue Symptom Inventory-SF, Fatigue cluster (defined as a composite of ESAS fatigue, pain, and depression), Center for epidemiologic studies-depression, Godin leisure-time physical activity questionnaire, and global symptom evaluation. RESULTS: A total of 84/90 (93%) patients were evaluable. The mean (SD) FACIT-F change at day 8 was 6.6 (7.6) after OLP, vs. 2.1 (9.4) after WL (P = .016). On days 15 and 29, when all patients received OLP, there was a significant improvement in CRF and no difference between arms. There was also a significant improvement in ESAS fatigue, and fatigue cluster score in the OLP arm on day 8 of the study (0.029, and 0.044, respectively). There were no significant differences in other secondary outcomes and adverse events between groups. CONCLUSIONS: Open-labeled placebo was efficacious in reducing CRF and fatigue clusters in fatigued advanced cancer patients at the end of 1 week. The improvement in fatigue was maintained for 4 weeks. Further studies are needed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».