Evaluating Questionnaires Used to Assess Self-Reported Physical Activity and Psychosocial Outcomes Among Survivors of Adolescent and Young Adult Cancer: A Cognitive Interview Study
Notice bibliographique
Résumé
Physical activity is increasingly being studied as a way to improve psychosocial outcomes (e.g., quality of life, self-efficacy, physical self-perceptions, self-esteem, body image, posttraumatic growth) among survivors of adolescent and young adult (AYA) cancer. Assessing levels of and associations between self-reported physical activity and psychosocial outcomes requires clear, appropriate, and relevant questionnaires. To explore how survivors of AYA cancer interpreted and responded to the following eight published questionnaires: Leisure Time Exercise Questionnaire, Exercise Self-Efficacy Scale, Physical Self-Description Questionnaire, Rosenberg Global Self-Esteem Scale, Multidimensional Body-Self Relations Questionnaire, Posttraumatic Growth Inventory, Functional Assessment of Cancer Therapy-General (FACT-G), RAND 36-Item Health Survey 1.0 (RAND-36), cognitive interviews were conducted with three men and four women age 18-36 years who were diagnosed with cancer at age 16-35 years. Initially, the first seven questionnaires listed above were assessed. Summaries of the interviews were prepared and compared across participants. Potential concerns were identified with the FACT-G; thus, a second interview was conducted with participants to explore the clarity, appropriateness, and relevance of the RAND-36. Concerns identified for the FACT-G related mostly to the lack of relevance of items pertaining to cancer-specific aspects of quality of life given that participants were posttreatment. No or few concerns related to comprehension and/or structure/logic were identified for the other questionnaires. In general, the questionnaires assessed were clear, appropriate, and relevant. Participants' feedback suggested they could be used to assess self-reported physical activity and varied psychosocial outcomes in studies with survivors of AYA cancer, either with or without slight modifications.
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 | 0,013 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».