EXERCISE PRESCRIPTION BY FAMILY DOCTORS CAN IMPROVE FITNESS OVER 12 MONTHS.
Notice bibliographique
Résumé
Available evidence suggests that despite physicians' positive attitude toward regular exercise in promoting a healthy lifestyle, few actually prescribe exercise for their patients. PURPOSE To determine the effect of an exercise prescription instrument (STEP) compared to usual care (CONTROL) exercise counseling delivered by family doctors on fitness (VO2max and exercise self-efficacy (ESE) among older community-dwelling patients. METHODS A randomized controlled trial with baseline assessment, intervention delivery and post-intervention follow up at 3, 6 and 12 months. The setting was four large urban (3) and rural (1) academic family practices (2=STEP; 2=CONTROL). Individuals were randomly assigned to one of the two treatment conditions. Interventions included STEP exercise counseling using published recommendations of the ACSM and prescription of an exercise training heart rate using a self-paced stepping test. The primary outcome measure was VO2max and secondary outcomes included predicted VO2max from the step test, ESE, blood pressure, BMI, counseling time and adherence. RESULTS A total of 241 older subjects completed the trial (STEP = 131 vs CONTROL=110). VO2max was significantly increased in STEP (11%; 21.3 to 24ml/kg/min) vs CONTROL (4%; 22 to 23ml/kg/min) over 6 months (p < 0.001) and 17% (21.3 to 24.9ml/kg/min) and 3% (22.1 to 22.8ml/kg/min) respectively at 12 months (p < 0.001). Similarly, ESE increased (32%; 4.6 vs 6.8) in STEP vs CONTROL (22%; 4.2 vs 5.4) at 12 months (p < 0.001). Systolic blood pressure decreased 7.3% and BMI decreased 7.4% in STEP only (p < 0.05). Exercise counseling time was significantly (p < 0.02) longer in STEP (11.7± 3.0min) vs CONTROL (7.1±7.0min) but more (p < 0.05) subjects completed at least 80% of available exercise opportunities in STEP. CONCLUSIONS Family physicians can improve fitness and exercise confidence of their older patients using a tailored exercise prescription (STEP). Further, STEP appears to maintain benefit to 12 months and may improve exercise adherence. Sponsored by CIHR/PMAC
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».