Proposal for Managing Cancer‐Related Insomnia: A Systematic Literature Review of Associated Factors and a Narrative Review of Treatment
Notice bibliographique
Résumé
OBJECTIVE: Insomnia is common in patients with cancer. It has a multifactorial etiology that may include the disease process, adverse effects of anticancer therapies, and/or an association with other comorbidities. The purpose of this review was to identify risk factors for insomnia and suggest optimal management strategies. METHODS: We conducted a systematic literature review to elucidate the risk factors for insomnia and sleep disturbances in patients with solid tumors. The effects of sleep medications in this population were also described. RESULTS: A total of 75 publications were evaluated, including those on breast, lung, gynecologic, brain, head and neck, gastrointestinal, prostate, thyroid, and mixed cancers. We classified the factors related to insomnia or sleep disturbance in cancer into four categories: (1) patient demographic characteristics (e.g., age, marital or socioeconomic status); (2) mental state (e.g., depression or anxiety); (3) physical state (e.g., fatigue, pain, or restless legs syndrome); and (4) anticancer treatment-related (e.g., use of chemotherapy, opioids, or hormone therapy). Overall, literature on the pharmacologic treatment of insomnia is extremely limited, although some efficacy data for zolpidem and melatonin have been reported. CONCLUSIONS: Demographic characteristics, physical and mental distress, and anticancer treatments are all risks for insomnia in patients with cancer. The limited evidence base for pharmacologic therapy in this patient population means that healthcare professionals need to implement a comprehensive and multidisciplinary pathway from screening to management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 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 ».