Effects and moderators of exercise on quality of life and physical function in patients with cancer: An individual patient data meta-analysis of 34 RCTs
Notice bibliographique
Résumé
This individual patient data meta-analysis aimed to evaluate the effects of exercise on quality of life (QoL) and physical function (PF) in patients with cancer, and to identify moderator effects of demographic (age, sex, marital status, education), clinical (body mass index, cancer type, presence of metastasis), intervention-related (intervention timing, delivery mode and duration, and type of control group), and exercise-related (exercise frequency, intensity, type, time) characteristics. Relevant published and unpublished studies were identified in September 2012 via PubMed, EMBASE, PsycINFO, and CINAHL, reference checking and personal communications. Principle investigators of all 69 eligible trials were requested to share IPD from their study. IPD from 34 randomised controlled trials ( n =4519 patients) that evaluated the effects of exercise compared to a usual care, wait-list or attention control group on QoL and PF in adult patients with cancer were retrieved and pooled. Linear mixed-effect models were used to evaluate the effects of the exercise on post-intervention outcome values ( z -score) adjusting for baseline values. Moderator effects were studies by testing interactions. Exercise significantly improved QoL ( β =0.15, 95%CI=0.10;0.20) and PF ( β =0.18, 95%CI=0.13;0.23). The effects were not moderated by demographic, clinical or exercise characteristics. Effects on QoL ( β difference_in_effect =0.13, 95%CI=0.03;0.22) and PF ( β difference_in_effect =0.10, 95%CI=0.01;0.20) were significantly larger for supervised than unsupervised interventions. In conclusion, exercise, and particularly supervised exercise, effectively improves QoL and PF in patients with cancer with different demographic and clinical characteristics during and following treatment. Although effect sizes are small, there is consistent empirical evidence to support implementation of exercise as part of cancer care.
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 | 0,012 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,039 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».