The Effect of Music Therapy on Pain, Anxiety, Perceived Stress, and Biochemical Parameters in Hospitals Among Patients with Cancer
Notice bibliographique
Résumé
Background: Diagnosis of cancer and its long and hard treatment process induce great stress and anxiety in patients. Cancer patients may also suffer from severe pain due to their primary disease, metastases, or the received treatments. However, the patients’ chief physical complaint is the main aspect that physicians pay attention to, and the mental health of these patients is usually neglected. Objectives: This study aimed to predict the effect of music therapy (MT) on pain, perceived stress, anxiety, and biochemical parameters in patients with cancer. Methods: This semi-experimental study was conducted on cancer patients referring to the Oncology Clinic at Amir Hospital in Shiraz (affiliated with Shiraz University of Medical Sciences) from April to September 2016. A total number of sixty cancer patients were recruited using a random sampling method and divided into two groups of control and intervention. Patients in the intervention group listened to light music for at least 20 minutes for 8 weeks (two continuous sessions weekly). After the intervention group, a follow-up test and questionnaires were conducted on both groups. Data were analyzed by SPSS version 21 using the t-test, chi-square test, and paired t-test. Results: The results of this study showed that the control group had no significant difference regarding the McGill Pain Questionnaire (MPQ) (P-value = 0.797), cortisol (P-value = 0.841), and the Perceived Stress Scale (PSS) (P-value = 0.001) variables before and after the study, but it had a significant increase in the Beck Anxiety Inventory (BAI) (P-value = 0.026). Our findings indicated a significant difference in the MPQ, BAI, and cortisol variables in the MT group (P-value ≤ 0.001). In general, the PSS showed no significant difference between the two groups. Conclusions: The results of the present study showed that MT for eight weeks, selected by patients from a list, could significantly reduce patients’ anxiety, pain, and perceived stress. Therefore, we recommend the inclusion of this intervention in the routine care of patients with 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 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 | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».