Factors influencing adherence to regular exercise in middle-aged women: a qualitative study to inform clinical practice
Notice bibliographique
Résumé
BACKGROUND: About half of women decrease their regular exercise during middle age. Concurrently, they experience a reduction in basal metabolic rate and loss of lean muscle as they transition to menopause. The combined effects place these women at increased risk for body weight gain and associated co-morbidities. Further research is required to better assess their barriers to regular exercise and to develop more applied knowledge aimed to improve the applicability of clinical interventions aimed at this population. The main aim of this study was to identify enablers and barriers influencing adherence to regular exercise in middle-aged women who exercise. METHODS: An interpretive description qualitative study was conducted using individual interviews. The two key questions were focused on planning to engage in physical activity and succeeding or planning to engage in physical activity and not succeeding. Inductive content analysis was used. RESULTS: Fifty-three women interviewed were aged 40-62 years and experiencing mild to moderate menopausal symptoms. Six broad themes influencing adhering to regular exercise were: routine, intrinsic motivation, biophysical issues, psychosocial commitments, environmental factors, and resources. Common sub-themes were identified as enabling factors: daily structure that incorporated physical activity (broad theme routine), anticipated positive feelings associated with physical activity (intrinsic), and accountability to others (psychosocial). Other common sub-themes identified as barriers were disruptions in daily structure (routine), competing demands (routine) and self-sacrifice (psychosocial). CONCLUSIONS: The most common barrier middle-aged women describe as interfering with adhering to regular exercise was attributable to the demands of this life stage at home and with others. Lack of time and menopausal symptoms were not identified as the common barriers. To support women to adhere to regular exercise, healthcare professionals should consider a narrative approach to assessing barriers and focus on enablers to overcoming identified barriers.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».