Physical and psychological health among breast cancer survivors: interactions with sedentary behavior and physical activity
Notice bibliographique
Résumé
BACKGROUND: Reducing sedentary behavior (SED) may be one promising strategy to reduce treatment-related side effects in breast cancer given the unique health benefits distinct from the beneficial effects of moderate-to-vigorous intensity physical activity (MVPA). OBJECTIVES: To examine the associations between SED and the late-effects symptoms of pain, fatigue, and depression among breast cancer survivors (BCS), and the interactive associations between SED, light PA, and MVPA on these symptoms. METHODS: One hundred and ninety-five BCS provided baseline data 3 to 4 months post-systemic treatment, as part of the Life After Breast Cancer: Moving On longitudinal study. Pain, fatigue, and depression symptoms were assessed using validated self-report questionnaires. Objective measures of MVPA, light PA, and SED (i.e. sitting time) were assessed by accelerometers over the same period. Self-reported demographic and medical variables were collected. RESULTS: In hierarchical multiple regression analyses, the interaction effect of MVPA by SED was significantly associated with pain (p = .02), fatigue (p = .01), and depression (p = .006). Follow-up simple slope analyses demonstrated that among BCS with lower levels of MVPA, higher levels of SED significantly predicted higher levels of fatigue (p < .001), higher levels of pain (p = .06), and higher levels of depression (p = .08). CONCLUSIONS: SED was associated with higher levels of fatigue, pain, and depression in BCS, and was more pronounced among those with lower levels of MVPA. However, SED was not associated with these symptoms among BCS with higher levels of MVPA. Pairing health promotion messages to reduce SED and increase MVPA are likely to result in better symptom management. Copyright © 2015 John Wiley & Sons, Ltd.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».