Evidence-Based Medicine: Acknowledging the Role for Physical Activity
Notice bibliographique
Résumé
Modern technology and lifestyles have created an environment that predisposes our population to inactivity, resulting in fewer people meeting the Canadian Physical Activity Guidelines. There is a clear link between inactivity and the risk of developing chronic health conditions including hypertension, type 2 diabetes, and cancer; however, exercise prescription and counselling by physicians is lacking. This may in part be attributed to inadequate training of physicians during medical school. In this commentary, we outline the demand for awareness and training of physicians to prepare them to prescribe physical activity, and propose steps to increase exercise prescription for improved population health. La technologie moderne ainsi que nos habitudes de vie actuelles nous prédisposent à l’inactivité ce qui mène moins de personnes à respecter les directives canadiennes en matière d’activité physique. Un lien direct existe entre l’inactivité et le risque de développer des problèmes de santé chroniques incluant l’hypertension, le diabète de type 2, et le cancer. Toutefois, l’exercice et le counseling prescrits par les médecins sont peu pratiqués par les patients qui pourraient en bénéficier. Dans cet article, nous soulignerons le besoin de formation des médecins afin de mieux les préparer à prescrire de l’activité physique à leur patients et leur proposer des étapes pour améliorer la santé physique de la population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,016 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».