Interventions to improve outcomes for caregivers of patients with advanced cancer: a meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Family caregivers of patients with advanced cancer often have poor quality of life (QOL) and mental health. We examined the effectiveness of interventions offering support for caregivers of patients with advanced cancer on caregiver QOL and mental health outcomes. METHODS: We searched Ovid MEDLINE, EMBASE, Cochrane CENTRAL, and Cumulative Index to Nursing and Allied Health Literature databases from inception through June 2021. Eligible studies reported on randomized controlled trials for adult caregivers of adult patients with advanced cancer. Meta-analysis was conducted for primary outcomes of QOL, physical well-being, mental well-being, anxiety, and depression, from baseline to follow-up of 1-3 months; secondary endpoints were these outcomes at 4-6 months and additional caregiver burden, self-efficacy, family functioning, and bereavement outcomes. Random effects models were used to generate summary standardized mean differences (SMD). RESULTS: Of 12 193 references identified, 56 articles reporting on 49 trials involving 8554 caregivers were eligible for analysis; 16 (33%) targeted caregivers, 19 (39%) patient-caregiver dyads, and 14 (29%) patients and their families. At 1- to 3-month follow-up, interventions had a statistically significant effect on overall QOL (SMD = 0.24, 95% confidence interval [CI] = 0.10 to 0.39); I2 = 52.0%), mental well-being (SMD = 0.14, 95% CI = 0.02 to 0.25; I2 = 0.0%), anxiety (SMD = 0.27, 95% CI = 0.06 to 0.49; I2 = 74.0%), and depression (SMD = 0.34, 95% CI = 0.16 to 0.52; I2 = 64.4) compared with standard care. In narrative synthesis, interventions demonstrated improvements in caregiver self-efficacy and grief. CONCLUSIONS: Interventions targeting caregivers, dyads, or patients and families led to improvements in caregiver QOL and mental health. These data support the routine provision of interventions to improve well-being in caregivers of patients with advanced cancer.
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 | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,048 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».