Does counseling help patients get active? Systematic review of the literature.
Notice bibliographique
Résumé
OBJECTIVE: To determine the effect of counseling patients to become more physically active. DATA SOURCES: PubMed was searched for articles during the past 30 years on physicians promoting physical activity. Identified studies were cross-referenced, and experts were consulted for additional articles. STUDY SELECTION: Thirteen articles described primary care counseling on exercise. Six studies were randomized controlled trials (RCTs); seven were quasi-experimental designs. Three of the four RCTs and three of the five quasi-experimental studies were short term (4 weeks to 2 months); the remaining three trials lasted longer than 6 months. Most studies used strategies to address stage of change. SYNTHESIS: Outcome measures included adoption of physical activity, stage of change, and change in physical activity level. Most studies found positive relationships between counseling and these outcomes. No reliable evaluation instruments were found, nor was the long-term effect of interventions established. CONCLUSION: Interventions that included written materials for patients, considered behaviour change strategies, and provided training and materials for physicians were effective at increasing levels of physical activity. New strategies that involve measuring and prescribing specific amounts of exercise might also improve fitness levels and hence improve outcomes of chronic disease. Shortcomings of these studies include lack of long-term data, lack of sustaining activities for family physicians, and scant cost-efficacy analysis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».