Symptom Clusters and Mindful Self-Care in People with Cancer in Palliative Care
Notice bibliographique
Résumé
Introduction: Cancer is one of the evils of the current era and is considered a global public health problem. This disease has repercussions for the lives of patients in several dimensions, namely, physical, emotional, and psychosocial. Thus, it is believed that elements such as resilience, symptomatology, and self-care are related, as the disease and its treatments can have repercussions that extend beyond the clinic. Background/Objectives: We aimed to determine the relationship between symptom clusters and the mindful self-care of people with cancer in palliative care. Methods: This is a cross-sectional study conducted with 125 palliative care patients diagnosed with malignant neoplasms. The research was carried out at a reference hospital in Brazil, located in the western region of the state of Santa Catarina, specializing in antineoplastic treatment. The data were collected between May and August 2023 from hospitalized patients. Three instruments were employed to obtain data: a sociodemographic and clinical data questionnaire, the Edmonton Symptom Assessment Scale (ESAS-BR), and the Mindful Self-Care Scale (MSCS). For data analysis, descriptive statistics were used to characterize the participants, Student’s T-test was used for the other parametric tests, and variables with statistical evidence were selected for a linear regression model. Results: A statistically significant association was found between mindful self-care and symptoms of pain, tiredness, drowsiness, shortness of breath, depression, and malaise, with sleepiness being the only predictor of changes in this variable. Conclusions: Mindful self-care influences patients’ experience of symptoms, especially drowsiness, which predicts changes in self-care. Encouraging these practices reduces discomfort, enhances autonomy, and guides professionals in personalized care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».