MétaCan
Menu
Retour à la cohorte
Enregistrement W2100045963 · doi:10.7717/peerj.1158

Predictors of exercise participation in ambulatory and non-ambulatory older people with multiple sclerosis

2015· article· en· W2100045963 sur OpenAlexafffund
Michelle Ploughman, Chelsea Harris, Elizabeth M. Wallack, Olivia Drodge, Serge Beaulieu, Nancy E. Mayo

Notice bibliographique

RevuePeerJ · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensSt. John’s Health Sciences CentreMcGill UniversityMemorial University of Newfoundland
Organismes subventionnairesCanadian Institutes of Health ResearchEMD SeronoPublic Health AgencyHealth CanadaMultiple Sclerosis SocietyMultiple Sclerosis Society of CanadaUniversity of AlbertaBiogenSaskatoon City Hospital FoundationNewfoundland and Labrador Centre for Applied Health ResearchPhysiotherapy Foundation of CanadaMultiple Sclerosis Scientific Research FoundationArnold P. Gold FoundationTeva Pharmaceutical IndustriesPublic Health Agency of CanadaBayer HealthCareSanofi
Mots-clésMedicineAmbulatoryPhysical therapyLogistic regressionQuartileExpanded Disability Status ScaleGuidelineSocioeconomic statusGerontologyDemographyConfidence intervalMultiple sclerosisInternal medicinePopulationEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

Background. Exercise at moderate intensity may confer neuroprotective benefits in multiple sclerosis (MS), however it has been reported that people with MS (PwMS) exercise less than national guideline recommendations. We aimed to determine predictors of moderate to vigorous exercise among a sample of older Canadians with MS who were divided into ambulatory (less disabled) and non-ambulatory (more disabled) groups. Methods. We analysed data collected as part of a national survey of health, lifestyle and aging with MS. Participants (n = 743) were Canadians over 55 years of age with MS for 20 or more years. We identified 'a priori' variables (demographic, personal, socioeconomic, physical health, exercise history and health care support) that may predict exercise at moderate to vigorous intensity (>6.75 metabolic equivalent hours/week). Predictive variables were entered into stepwise logistic regression until best fit was achieved. Results. There was no difference in explanatory models between ambulatory and non-ambulatory groups. The model predicting exercise included the ability to walk independently (OR 1.90, 95% CI [1.24-2.91]); low disability (OR 1.50, 95% CI [1.34-1.68] for each 10 point difference in Barthel Index score), perseverance (OR 1.17, 95% CI [1.08-1.26] for each additional point on the scale of 0-14), less fatigue (OR 2.01, 95% CI [1.32-3.07] for those in the lowest quartile), fewer years since MS diagnosis (OR 1.58, 95% CI [1.11-2.23] below the median of 23 years) and fewer cardiovascular comorbidities (OR 1.55 95% CI [1.02-2.35] one or no comorbidities). It was also notable that the factors, age, gender, social support, health care support and financial status were not predictive of exercise. Conclusions. This is the first examination of exercise and exercise predictors among older, more disabled PwMS. Disability is a major predictor of exercise participation (at moderate to vigorous levels) in both ambulatory and non-ambulatory groups suggesting that more exercise options must be developed for people with greater disability. Perseverance, fatigue, and cardiovascular comorbidities are predictors that are modifiable and potential targets for exercise adherence interventions.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,975

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,056
Tête enseignante GPT0,303
Écart entre enseignants0,247 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePeerJMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207