Exercise Adherence, Cardiopulmonary Fitness, and Anthropometric Changes Improve Exercise Self-Efficacy and Health-Related Quality of Life
Notice bibliographique
Résumé
BACKGROUND: Regular exercise increases exercise self-efficacy and health-related quality of life (HRQOL); however, the mechanisms are unknown. We examined the associations of exercise adherence and physiological improvements with changes in exercise self-efficacy and HRQOL. METHODS: Middle-aged adults (N = 202) were randomized to 12 months aerobic exercise (360 minutes/week) or control. Weight, waist circumference, percent body fat, cardiopulmonary fitness, HRQOL (SF-36), and exercise self-efficacy were assessed at baseline and 12 months. Adherence was measured in minutes/day from activity logs. RESULTS: Exercise adherence was associated with reduced bodily pain, improved general health and vitality, and reduced role-emotional scores (P(trend) ≤ 0.05). Increased fitness was associated with improved physical functioning, bodily pain and general health scores (P(trend) ≤ 0.04). Reduced weight and percent body fat were associated with improved physical functioning, general health, and bodily pain scores (P(trend) < 0.05). Decreased waist circumference was associated with improved bodily pain and general health but with reduced role-emotional scores (P(trend) ≤ 0.05). High exercise adherence, increased cardiopulmonary fitness and reduced weight, waist circumference and percent body fat were associated with increased exercise self-efficacy (P(trend) < 0.02). CONCLUSIONS: Monitoring adherence and tailoring exercise programs to induce changes in cardiopulmonary fitness and body composition may lead to greater improvements in HRQOL and self-efficacy that could promote exercise maintenance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».