A framework for prescription in exercise‐oncology research
Notice bibliographique
Résumé
The field of exercise-oncology has increased dramatically over the past two decades, with close to 100 published studies investigating the efficacy of structured exercise training interventions in patients with cancer. Of interest, despite considerable differences in study population and primary study end point, the vast majority of studies have tested the efficacy of an exercise prescription that adhered to traditional guidelines consisting of either supervised or home-based endurance (aerobic) training or endurance training combined with resistance training, prescribed at a moderate intensity (50-75% of a predetermined physiological parameter, typically age-predicted heart rate maximum or reserve), for two to three sessions per week, for 10 to 60 min per exercise session, for 12 to 15 weeks. The use of generic exercise prescriptions may, however, be masking the full therapeutic potential of exercise treatment in the oncology setting. Against this background, this opinion paper provides an overview of the fundamental tenets of human exercise physiology known as the principles of training, with specific application of these principles in the design and conduct of clinical trials in exercise-oncology research. We contend that the application of these guidelines will ensure continued progress in the field while optimizing the safety and efficacy of exercise treatment following a cancer diagnosis.
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 | 0,045 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,016 | 0,015 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,029 | 0,051 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 ».