Exploring how recreational cycling promotes the quality of life of children treated for cancer
Notice bibliographique
Résumé
After completing treatment, childhood cancer survivors are at an increased risk for a lifetime of health problems, which can impair their quality of life (QOL). These issues emphasize the importance of identifying strategies that improve the QOL of childhood cancer survivors. There is consistent evidence that physical activity (PA) interventions can enhance QOL, however, few studies have focused on unstructured PA or investigated the underlying mechanisms. Understanding the mechanisms that explain how unstructured PA enhances childhood cancer survivors' QOL will further our knowledge and enable the refinement of sustainable PA interventions to promote optimal QOL. The objective of our longitudinal qualitative study was to explore how childhood cancer survivors' perceptions of QOL changed as a result of participating in unstructured recreational cycling for 3 months. We conducted semi-structured interviews with 4 childhood cancer survivors (Mage = 10.5 years; SD = 2.5) before they received a bicycle, and 4- and 8-weeks after. We analyzed the data using thematic analysis. Cycling enhanced participants' QOL over time by helping them: (a) Feel stronger and less tired, (b) Experience support from their social networks, and (c) Enhance feelings of self-efficacy and normalcy. Our study demonstrates that unstructured PA improves QOL in childhood cancer survivors. It also provides preliminary information about the mechanisms for how PA may promote these beneficial effects. If confirmed in larger studies, our findings suggest that PA interventions should explicitly aim to promote childhood cancer survivors' perceptions of their physical, psychological, and social functioning in order to optimize QOL.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».