Weight Management to Reduce Prostate Cancer Risk: A Survey of Men’s Needs and Interests
Notice bibliographique
Résumé
Obese men have a higher rate of prostate cancer-related death than non-obese men, and obesity increases the risk of prostate cancer progression and biochemical recurrence. The purpose of this study was to assess needs and interests of men for a technology-driven weight loss intervention to reduce prostate cancer risk. We distributed a survey collecting demographic characteristics, health history, exercise and eating habits (and perception of those habits), current and prior attempts of health behavior change, and technology use. Survey answers were summarized by count and percent of total respondents. Completed surveys (N = 109) described men with a family history of prostate cancer (25%), a history of elevated prostate specific antigen (26%), and prostate cancer survivors (22%). We compared body mass index (BMI) to perception of weight; overweight and obese men perceived their weight as more normal than their BMI category suggests. Most men reported their diet needed minor improvement (74%), and 65% of men reported they are either currently trying to lose weight or interested in weight loss. Most respondents access the internet (92%), while text messaging (60%) and smartphone application use (40%) are less frequent, especially in men over 60. Our results revealed a need and willingness for lifestyle modification and suggest a need for evidence-based weight loss strategies and for addressing the misperception of weight status. A male-tailored intervention that implements technology could improve energy balance, hold men accountable to healthy behavior change, and promote dietary patterns in order to reduce prostate cancer risk.
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) | 0,000 | 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 | 0,000 |
| 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 ».