Effets du neurofeedback sur la fatigue et les troubles cognitifs qui surviennent après un cancer : Étude pilote de faisabilité
Bibliographic record
Abstract
Objectif : La fatigue et les troubles cognitifs qui se manifestent après un cancer sont des effets indésirables qui, souvent, perdurent après les traitements et nuisent à la qualité de vie. L’étude vise à évaluer la faisabilité du neurofeedback et ses effets sur le fonctionnement cognitif et la fatigue des survivants du cancer, particulièrement la faisabilité des stratégies de recrutement, du protocole de recherche et des mesures de résultats. Devis : L’étude pilote de faisabilité est construite selon un devis avec groupe témoin mis sur liste d’attente pendant une période de 10 semaines. Les participantes servaient elles-mêmes de groupe témoin. Elles ont suivi deux séances de neurofeedback par semaine, pendant 10 semaines. Participants : L’échantillon était composé de survivantes du cancer du sein vivant à Kingston, en Ontario (n=16). Méthodologie : Les résultats ont été évalués à l’aide d’échelles d’autoévaluation validées, ainsi que par des tests neurobiologiques avant, pendant et après le traitement par neurofeedback. Résultats : La faisabilité du protocole de neurofeedback a été confirmée : la procédure s’accompagne d’une diminution significative des troubles cognitifs, de la fatigue, des troubles du sommeil et des symptômes psychologiques. Implications pour les services psychosociaux : Le neurofeedback pourrait se poser en thérapie complémentaire efficace et non invasive pour traiter les troubles cognitifs qui surviennent chez les survivantes du cancer du sein après les traitements.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".