The Effects of Massage Therapy on Medically Induced Trauma and Touch Aversion: A Case Report
Notice bibliographique
Résumé
Almost 1 million US adults are diagnosed annually with post-traumatic stress disorder related to medical trauma. Individuals who experience life-threatening illness or injuries, frequent hospitalizations, and multiple invasive procedures are more likely to develop post-traumatic stress and touch aversion, making it difficult for them to relax and feel safe in healthcare settings. Psychological and somatic symptoms can complicate recovery and decrease quality of life. While massage has been shown to offer a variety of physical and psychological benefits, little is known about the benefits of massage for those diagnosed with post-traumatic stress and touch aversion related to medical trauma. A 44-year-old female was referred to massage therapy for muscle pain and generalized weakness, symptoms of a chronic degenerative illness with limited treatment options. Complicated by multiple diagnoses, her long-standing anxiety and depression had worsened, and she suffered from post-traumatic stress and touch aversion due to significant medical trauma. The patient's goals included relaxation, decreased pain and anxiety, as well as improvements in her aversion to touch when receiving necessary medical care. A wide variety of massage techniques were offered based on the patient's physical and psychological symptoms, and her receptivity to touch. Over the course of 2 years, the patient's anxiety and distress decreased as her ability to communicate her needs increased. A trauma-informed approach is essential when providing massage for those with post-traumatic stress and touch aversion from medical trauma. A pre-massage consultation and customization of the massage allowed the patient to provide consent and have control over where and how her body was touched, something that is often not possible with medical procedures. Further research is needed to determine how best to provide massage therapy to these individuals and measure outcomes related to effectiveness and symptom improvement.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».