Heart Rate Variability Biofeedback Training Can Improve Menopausal Symptoms and Psychological Well-Being in Women with a Diagnosis of Primary Breast Cancer: A Longitudinal Randomized Controlled Trial
Notice bibliographique
Résumé
Breast cancer survivors experience numerous chronic symptoms linked to autonomic dysfunction including anxiety, stress, insomnia, menopausal symptoms, and cognitive impairment. Effective non-pharmacological solutions to address these are currently lacking. Methods: Our three-armed longitudinal randomized controlled trial assessed the effectiveness of a 4-week remote smartphone-based heart rate variability biofeedback intervention which involved daily paced breathing at 6 breaths p/min; active (12 breaths p/min) and waitlist controls were included. Heart rate variability and self-reported cancer-related symptoms were assessed at baseline, post-, and 6 months-post intervention. Participants were 60 UK-based women with primary breast cancer history (6 to 60 months post-active treatment). Results: The intervention group showed significant increases in low-frequency heart rate variability over time (F (4, 103.89) = 2.862, p = 0.027, d = 0.33), long-lasting improvement in sleep quality (F (4, 88.04) = 4.87, p = 0.001, d = 0.43) and cessations in night sweats (X2 (2, N = 59) = 6.44, p = 0.04, Cramer’s V = 0.33), and reduced anxiety post-intervention compared to the active and waitlist controls (F (4, 82.51) = 2.99, p = 0.023, d = 0.44). Other findings indicated that the intervention and active control participants reported lasting improvements in cognitive function, fatigue, and stress-related symptoms (all ps < 0.05). The waitlist group reported no symptom changes across time. Conclusion: Heart rate variability biofeedback is a feasible intervention for addressing diverse chronic symptoms commonly reported by breast 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».