The effect of therapeutic communication based on Peplau’s model on body image and pain among cancer patients undergoing radiotherapy in the Parsian hospital of Shahrekord
Notice bibliographique
Résumé
Background and aims: Cancer has significant effects on the lives of cancer patients and their families, so effective communication skills are an integral part of the process of caring. This study aims to investigate the effect of Peplau’s Therapeutic communication model on body image and pain among cancer patients. Methods: The present research is a quasi-experimental study conducted with the attendance of 64 cancer patients undergoing radiotherapy in Shahrekord Parsian Hospital in 2020-2021. First, the research units were selected purposefully and then randomly assigned to intervention and control groups. In the intervention group, Peplau’s nursing model was done in four stages individually. Data collection tools were a demographic survey questionnaire, McGill Pain Questionnaire, and Body Image Questionnaire (MBSRQ). The mean scores before, immediately after, and three months after were compared using SPPS version 24 software. Results: Before interfering, the results of the study indicated the standard deviation±mean of body image scores in control and intervention groups were respectively 204.81±2.79, 206 (217-75.187)+that were not significantly different from each other (P≥0.568). Whereas these scores immediately and three months after had statistically significant differences from each other (P<0.01). The results also indicated that the Standard deviation±mean of pain scores in control and intervention groups were 59.56±0.793 and 58.25±0.627 were not significantly different (P≥0.248). However, these scores immediately and three months after had statistically significant differences from each other (P<0.01). Conclusion: The findings of this research showed that implementing Peplau’s theory can improve body image and decrease pain in patients. Due to this program’s effectiveness, low cost, and safety, it is recommended for consideration in the nursing care program
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».