MétaCan
Menu
Retour à la cohorte
Enregistrement W2020532319 · doi:10.2174/157339406778699187

Cancer Rehabilitation: Recommendations for Integrating Exercise Programming in the Clinical Practice Setting

2006· article· en· W2020532319 sur OpenAlexaff
Margaret L. McNeely, Carolyn J. Peddle‐McIntyre, Matthew Parliament, Kerry S. Courneya

Notice bibliographique

RevueCurrent Cancer Therapy Reviews · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineRehabilitationPhysical therapyClinical PracticeCancerClinical trialPhysical activityDiseasePhysical exercisePhysical medicine and rehabilitationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Physical exercise training has been shown to be an effective component of comprehensive rehabilitation for some cancer patients and survivors. The purpose of this paper is to review the potential role of exercise training in the clinical setting and examine methods to deliver these services in the clinical setting. Noting the limited direct research on implementation of clinical exercise programs in the cancer setting, we review the literature and propose guidelines for: 1) goals of the prescribed physical activity or exercise program; 2) medical and pre-exercise evaluations; 3) recommendations for exercise programming; 4) safety considerations; 5) barriers to physical activity and exercise training in cancer patients; 6) self-directed and community based exercise programs; and 7) the role of medical and exercise professionals. Keywords: chemotherapeutic agents, cardiac disease, exercise trials, Muscular strength, 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,948
Score d'incertitude au seuil0,538

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,134
Tête enseignante GPT0,496
Écart entre enseignants0,362 · 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 tête enseignante, 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

Citations32
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Cancer Therapy ReviewsMême sujetCancer survivorship and careTravaux en français237 207