Relationship between physical activity and cardiovascular disease risk factors in cancer survivors.
Notice bibliographique
Résumé
e13067 Background: Cardiovascular disease (CVD) is one of the most prevalent comorbidities among cancer survivors. Physical activity has been well established to positively control CVD risk factors in the general population. In this study, we investigated the association between physical activity and CVD risk factors in cancer survivors. Methods: Data from the 2007-2014 Korean National Health and Nutrition Examination Survey (KNHANES) were analyzed. Of the total sample from the survey, a total of 1,596 cancer survivors were included for data analysis. CVD risk factors included total cholesterol (TC), high-density lipoprotein cholesterol (HDL-C), fasting glucose (FG), systolic blood pressure (SBP), diastolic blood pressure (DBP), and triglycerides (TG). A high risk level associated with each factor was defined according to the Adult Treatment Panel (ATP) III guidelines. Physical activity was calculated on the basis of the total minutes spent in moderate and vigorous physical activity per week. Complex sample logistic regression analyses were used to identify whether there was a difference in CVD risks between physical activity groups. Results: Of a total of 1,596 subjects, 36.4% were men, mean age was 61.4±12.7, and mean BMI was 23.4±3.3. 48.8% of respondents were completely inactive (0 min/wk.), 22.0% were insufficiently active ( < 150 min/wk.), and 29.3% met the ACSM/ACS physical activity guidelines ( ≥ 150 min/wk.). Among CVD risk factors, the risks of low HDL-C (OR = 0.70, 95% CI = 0.52 – 0.94), high SBP (OR = 0.58, 95% CI = 0.44 – 0.76) and high TG (OR = 0.65, 95% CI = 0.48 – 0.89) were lower for those who met the physical activity guidelines compared to those who were completely inactive, after adjustment for age, sex, and body mass index. Furthermore, the OR for having two or more CVD risk factors was 0.55 (95% CI, 0.39 – 0.77). Conclusions: Meeting the physical activity guidelines ( ≥ 150 min/wk.) may mitigate CVD risk factors, and thereby reduce the risk that cancer survivors will develop.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».