Racial differences in treatment adherence and response to acupuncture and cognitive behavioral therapy for insomnia among Black and White cancer survivors
Notice bibliographique
Résumé
BACKGROUND: Racial disparities in sleep are well-documented. However, evidence-based options for addressing these disparities are lacking in cancer populations. To inform future research on sleep interventions, this study aims to understand racial differences in treatment responses to acupuncture and cognitive behavioral therapy for insomnia (CBT-I) among Black and White cancer survivors. METHODS: We conducted a secondary analysis of a comparative effectiveness trial evaluating acupuncture versus CBT-I for insomnia in cancer survivors. We compared insomnia severity, sleep characteristics, and co-morbid symptoms, as well as treatment attitudes, adherence, and responses among Black and White participants. RESULTS: Among 156 cancer survivors (28% Black), Black survivors reported poorer sleep quality, longer sleep onset latency, and higher pain at baseline, compared to White survivors (all p < 0.05). Black survivors demonstrated lower adherence to CBT-I than White survivors (61.5% vs. 88.5%, p = 0.006), but their treatment response to CBT-I was similar to white survivors. Black survivors had similar adherence to acupuncture as white survivors (82.3% vs. 93.4%, p = 0.16), but they had greater reduction in insomnia severity with acupuncture (-3.0 points, 95% CI -5.4 to 0.4, p = 0.02). CONCLUSION: This study identified racial differences in sleep characteristics, as well as treatment adherence and responses to CBT-I and acupuncture. To address racial disparities in sleep health, future research should focus on improving CBT-I adherence and confirming the effectiveness of acupuncture in Black cancer survivors.
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 | 0,000 | 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 | 0,000 |
| 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 ».