Pain Management in Cancer Patients: The Effectiveness of Digital Game-based Interventions: A Rapid Literature Review
Notice bibliographique
Résumé
OBJECTIVES: Pain is a common side effect of cancer that negatively impacts biopsychosocial well-being and quality of life. There has been increasing interest in using digital game interventions for managing pain in cancer patients. The present study aimed to consolidate and summarize knowledge regarding the role of games in reducing pain among cancer patients and enhancing their overall quality of life. METHODS: We reviewed studies published between 2000 and April 8, 2023, from databases such as PubMed, Scopus, and Web of Science. The focus was on determining the impact of health games on pain management in cancer patients. RESULTS: An initial search identified 2,544 studies, which were narrowed down to 10 relevant articles after removing duplicates and assessing quality. These studies examined the use of mobile and computer games across various types of cancer, including both pediatric and adult cases. The findings indicate that digital games, particularly those utilizing virtual reality technologies, can diminish pain and anxiety while enhancing treatment outcomes. Overall, the application of these technologies has the potential to improve cancer treatment. CONCLUSIONS: Digital game interventions empower cancer patients by fostering effective communication and patient-centered approaches, which enhance perceptions, outcomes, and overall well-being. These games provide real-time feedback and facilitate interaction with healthcare professionals, which promotes self-management and boosts patient motivation and adherence to treatment protocols. As personalized educational platforms, they increase engagement through educational resources and symptom tracking, while also encouraging physical activity. Furthermore, they act as distraction tools during painful procedures, presenting new research opportunities in pain management and enhancing overall quality of life.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».