The benefits of being self‐determined in promoting physical activity and affective well‐being among women recently treated for breast cancer
Notice bibliographique
Résumé
PURPOSE: In this study, changes in motivational regulations in women following treatment for breast cancer were described. Changes in motivational regulations as predictors of subsequent change in light and moderate-to-vigorous physical activity (PA) and affect were also examined. METHODS: Women [n = 150; M(age) = 54.41 (SD = 10.87) years] completed self-report questionnaires and wore an accelerometer for 7 days at Time 1 [M = 3.94 (SD = 3.08) months following primary treatment], as well as 3 (Time 2) and 6 (Time 3) months later. Data were analyzed using repeated-measures analysis of variance and path analysis using residual change scores. RESULTS: Identified regulation and self-determined motivation (i.e., combined intrinsic motivation and identified regulation) scores decreased over time (p < 0.05). In the path model [χ(2)(4) = 5.66, p = 0.22, root mean square error of approximation = 0.05 (90% CI: 0.0; 0.15), comparative fit index = 0.99, standardized root mean square of the residuals = 0.03], ΔTime(1-2) in external regulation was associated with ΔTime(2-3) in positive affect (β = -0.16), ΔTime(1-2) in introjected (β = 0.25) and amotivation (β = 0.19) were related to ΔTime(2-3) in negative affect, and ΔTime(1-2) in self-determined motivation was related to ΔTime(2-3) in positive affect (β = 0.40) and moderate-to-vigorous PA (β = 0.21). CONCLUSIONS: Changes in motivational regulations were related to changes in PA and affect in the aftermath of breast cancer. Given the benefits of self-determined motivation, additional research is needed to develop and test interventions aimed at enhancing this type of motivation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».