Predictors of exercise frequency in breast cancer survivors in Taiwan
Notice bibliographique
Résumé
AIM: To apply social cognitive theory to elucidate factors that motivate change in exercise frequency in breast cancer survivors during the six months after completing cancer treatment. BACKGROUND: Exercise is now a well-recognised quality-of-life intervention in breast cancer survivors. However, only regular exercise yields long-term benefits. Motivations for exercise have not been analysed in Taiwan patients with cancer. DESIGN: A prospective, longitudinal and repeated measures design was used. METHODS: A convenience sample of 196 breast cancer survivors was recruited from hospitals in metropolitan areas of north and south Taiwan. Study participants were allowed to select their preferred exercised activities. Exercise behaviour and other factors were then recorded using various standardised instruments. Medical charts were also reviewed. Data were analysed by a linear mixed model and by hierarchical multiple regression equations. RESULTS: Exercise frequency significantly changed over time. Explained variance in exercise frequency change was modest. Baseline exercise frequency was the best significant predictor of exercise frequency during the six-month study. The study also identified possible age-related differences in the effect of social support on exercise. The effect of social support for exercise on exercise frequency was apparently larger in older subjects, especially those over 40 years old, than in younger subjects. Mental health, exercise barriers and exercise outcome expectancy significantly contributed to change in exercise frequency during the six-month study. CONCLUSIONS: The analytical results revealed several ways to increase exercise frequency in breast cancer survivors: (1) encourage exercise as early as possible; (2) improve health status and provide social support for exercise, especially in women aged 40 years or older; (3) reduce exercise barriers and promote mental health; (4) reinforce self-efficacy and positive expectations of exercise outcomes and (5) provide strategies for minimising fatigue in early stages of rehabilitation. Relevance to clinical practice. Social cognitive theory provides a useful framework for understanding the motivation to exercise in breast cancer survivors.
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) | 0,001 | 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 | 0,001 |
| 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 ».