Prehabilitation for Patients with Cancer Undergoing Radiation Therapy: a Scoping Review
Notice bibliographique
Résumé
AIMS: Prehabilitation is a process of identifying and assessing factors that could compromise the physical and psychological health of patients undergoing cancer treatment and implementing an intervention to combat such concerns. The use of prehabilitation in cancer surgery has yielded positive outcomes in rectal, lung and abdominal cancers. Prehabilitation strategies have potential to improve the management of patients receiving radiation therapy or chemoradiation. The aim of the present study was to map the evidence of the assessment and evaluation of prehabilitation for radiation therapy patients. MATERIALS AND METHODS: A database search using EMBASE and PubMed was conducted. The PRISMA guidelines were adhered to. Keywords included prehabilitation, radiation therapy/radiotherapy, chemoradiotherapy/chemoradiation, intervention and exercise. Types of prehabilitation strategy, their purposes and impact, according to cancer site, were analysed. RESULTS: Prehabilitation is most commonly evaluated in head and neck cancer, whereby unimodal, physical interventions manage dysphagia. Prehabilitation for lung cancer demonstrated its ability to widen treatment options for patients. Physical prehabilitation is administered to combat adverse effects of neoadjuvant chemoradiation therapy in patients with rectal cancer. CONCLUSION: Prehabilitation is adaptive and tailored to specific patient and site needs; thus it is applied across a wide range of cancer sites. More interventions by which radiation therapy is the definitive treatment modality and larger sample sizes within these studies are warranted to increase prehabilitation utilisation for patients undergoing radiation therapy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 | 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 ».