Web-based cognitive-behavioral therapy for insomnia in cancer survivors: The OncoSleep randomized trial
Notice bibliographique
Résumé
PURPOSE: Insomnia is highly prevalent among cancer survivors and can have serious implications if inadequately treated. Cognitive-behavioral therapy for Insomnia (CBT-I) is recommended as the first-line treatment for insomnia but is rarely available to cancer survivors. We tested the effectiveness of a web-based CBT-I program, OncoSleep, in cancer survivors. METHODS: Cancer survivors with insomnia (n = 154) were randomly assigned (1:1) to digital CBT-I (6 weekly self-guided modules plus online clinician support) or a waitlist control group. Patient-reported outcome measures of insomnia severity (primary outcome), daytime functioning, and sleep diaries were administered online at baseline and post-treatment (8 weeks). Intention-to-treat analyses were performed using mixed-effects models. Statistical tests were two-sided. RESULTS: The treatment group reported an average 11.0-point reduction in the Insomnia Severity index (ISI), compared to a 1.4-point reduction in the control group (p<.001). Statistically significant group-by-time interactions were observed: web-based CBT-I produced significant, large effects for improvements in insomnia severity (d = -2.56), cognitive functioning (d = 0.95), physical (d = 1.24) and psychological quality of life (d = 0.80), and fatigue (d = -1.35). Small-to-large effect sizes were found for reductions in anxiety (d = -0.77), depression (d = -0.71), and pain (d = -0.40). Change in insomnia severity mediated the effect of digital CBT-I on daytime outcomes. CONCLUSIONS: Web-based CBT-I with clinician support appears to be an effective treatment for insomnia in cancer survivors, offering meaningful benefits for comorbid symptoms and quality of life. Further studies with active comparisons and longer follow-up periods are needed to confirm these findings. Digital CBT-I could be integrated into cancer rehabilitation programs to reduce the burden of insomnia. [ClinicalTrials.gov: NCT04898855].
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».