Virtual Reality Usefulness on Symptom Management during Chemotherapy in Lung Cancer Patients: A Quasi-experimental Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT: Background: Virtual Reality (VR) emerges as a promising non-pharmacological intervention for managing symptoms and providing distraction during chemotherapy. This study aims to assess VR's effectiveness on cancer-related symptoms, vital signs, and patients' perception of the chemotherapy in lung cancer patients. Methods: A quasi-experimental study was conducted on 100 patients. Participants were allocated into an intervention group (n = 55), which experienced immersive VR, and a comparison group (n = 45), which received usual care. Data were collected through questionnaires and checklists, including feedback on the VR experience, pain, vital signs, and common cancer symptoms, assessed through the Edmonton Symptom Assessment Scale. Results: VR had a significant impact on reducing the perception of the chemotherapy length. Patients reported high levels of satisfaction and tolerability. No adverse events were observed. VR did not have significant influence on pain intensity and vital signs. The only exceptions were oxygen saturation, where a significant difference (p = 0.02) was reported, and perception of chemotherapy duration. Conclusions: As a non-pharmacological intervention, VR proves beneficial in minimizing the perceived length of chemotherapy session for lung cancer patients, enhancing their overall treatment experience. The intervention showed to be a safe, feasible, and well-accepted distraction technique. Future research should explore VR's potential effects on a wider range of symptoms and evaluate its impact on long-term outcomes.
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.
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 | 0,000 |
| 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 | 0,001 | 0,004 |
| 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 découle