MétaCan
Menu
Retour à la cohorte
Enregistrement W4402994678 · doi:10.4103/jrms.jrms_17_23

Evaluating the effects of humor therapy on fatigue levels of hemodialysis patients: A single-blind, randomized clinical trial study

2024· article· en· W4402994678 sur OpenAlexaff
Mohammad Sahebkar, Mojgan Ansari, Farnush Attarzadeh, Fateme Borzoee

Notice bibliographique

RevueJournal of Research in Medical Sciences · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesSabzevar University of Medical Sciences
Mots-clésMedicineRandomized controlled trialAnalysis of varianceHemodialysisClinical trialInternal medicineSingle blindPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background: This study investigated the effects of humor therapy on the fatigue levels of patients receiving hemodialysis (HD). Materials and Methods: A single-blind, randomized clinical trial of 66 HD patients for 3 weeks was conducted, in which two groups were randomly allocated – humor therapy and control. In the intervention group, humor therapy sessions were conducted twice a week for 3 weeks. As a pre- and postintervention assessment, the Fatigue Symptom Inventory (FSI) was completed. Results: According to the repeated-measures ANOVA test, FSI values exhibited a significant decline in the humor therapy group and an increase in the control group at the first, second, and third visits (humor therapy vs. control: 30.38 ± 8.75 and 61.80 ± 13.92, P < 0.001; 35.71 ± 10.05 and 69.53 ± 15.32, P < 0.001; and 34.85 ± 9.24 and 70.34 ± 22.26, P < 0.001, respectively) compared with baseline (humor therapy vs. control: 49.26 ± 5.19 and 52.09 ± 11.69, P = 0.204). Conclusion: Findings suggest that humor therapy can effectively reduce fatigue levels in patients presenting with HD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,492
Tête enseignante GPT0,601
Écart entre enseignants0,109 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Medical SciencesMême sujetDialysis and Renal Disease ManagementTravaux en français237 207