MétaCan
Menu
Retour à la cohorte
Enregistrement W2003695917 · doi:10.1139/h07-074

Exercise, aging, and cancer

2007· review· en· W2003695917 sur OpenAlexaffvenue
Kerry S. Courneya, Kristina H. Karvinen

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2007
Typereview
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGerontologyCancerDiseaseQuality of life (healthcare)MedicineCancer survivorPerspective (graphical)PopulationPhysical therapyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Cancer is a common disease that affects over 150 000 Canadians every year. About 78% of all cancers are diagnosed in adults aged 60 years and older. Improved survival rates for cancer survivors have brought lifestyle and quality of life issues to the forefront. In other chronic disease populations, exercise is considered a foundational health behavior; however, the benefits of exercise in cancer survivors are only beginning to be described. Moreover, what little is known about exercise in cancer survivors has been derived largely from research on middle-aged survivors. In the present article, we review the literature on exercise, aging, and cancer. Our review shows that very few studies have examined exercise in older cancer survivors or have approached the topic from an aging perspective. The limited research that is available suggests that, compared with middle-aged cancer survivors, older cancer survivors: (i) derive similar benefits from exercise, (ii) have lower exercise participation rates, (iii) have more difficulty adhering to an exercise program, and (iv) have different determinants of exercise motivation and behavior. We end by offering some future research directions that may help generate important new exercise knowledge in this underserved cancer survivor population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,340
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetCancer survivorship and careTravaux en français237 207