Nature Photographs as Complementary Care in Chemotherapy: A Randomized Clinical Trial
Notice bibliographique
Résumé
The incidence of cancer cases is increasing worldwide, and chemotherapy is often necessary as part of the treatment for many of these cases. Nature-based interventions have been shown to offer potential benefits for human well-being. Objective: This study aims to investigate the outcome of nature images on clinical symptom management related to chemotherapy. Methods: A randomized clinical trial was conducted in an outpatient cancer unit of a private hospital in Brazil, with 173 participants over the age of 18 who were undergoing chemotherapy and had signed an informed consent form. The intervention consisted of the presentation of a 12-min video featuring nature images categorized under the themes of Tranquility, Beauty, Emotions Up, or Miscellany. Images were sourced from the e-Nature Positive Emotions Photography Database (e-NatPOEM), a publicly available collection of affectively rated images. Sociodemographic and clinical data, as well as the participants’ connection to nature, were investigated. The Positive Affect/Negative Affect Scale (PANAS) and the Edmonton Symptom Assessment System (ESAS) were applied pre- and post-intervention. Results: Data showed very strong evidence of a reduction in negative affect for the intervention group (p < 0.001) and moderate evidence for the control group (p = 0.034). There was also a significant reduction in the intervention group for pain (p < 0.001), tiredness (p = 0.002), sadness (p < 0.001), anxiety (p < 0.001), and appetite (p = 0.001). The Beauty video had the best performance, while the Tranquility video showed no significant improvement in any of the symptoms evaluated. These findings suggest that images of nature may be a valuable tool to help control clinical and psychological symptoms in cancer patients undergoing chemotherapy.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».