Profiling sedentary behavior in breast cancer survivors: Links with depression symptoms during the early survivorship period
Notice bibliographique
Résumé
Abstract Objective Depression symptoms are prevalent among breast cancer survivors (BCS). Reducing sedentary behavior (SED) may be a non‐pharmaceutical strategy for alleviating depression symptoms. However, little is known about SED among BCS. The present study aimed to: (i) describe SED behaviors among BCS and identify unique SED groups based on different SED dimensions; (ii) identify personal and cancer‐specific factors that discriminate SED clusters; and (iii) examine the association between SED clusters and depression symptoms. Methods Baseline self‐report demographic and medical information was collected from 187 BCS. SED and physical activity were assessed over seven days using an accelerometer. Self‐reported depression symptoms were reported three months later. Multiple dimensions of SED were identified and examined in cluster analysis. The clusters were examined for differences using multivariate analysis of variance and chi‐square analyses. The difference in depression symptoms among SED groups was assessed using an analysis of covariance. Results High and low SED groups were identified. Survivors in the high SED cluster were significantly older, heavier, less physically active, reported less education, and were more likely to have undergone lymph/axial node dissection. Women in the high SED cluster reported significantly higher depression symptoms prospectively ( M = 9.50, SD = 6.07) compared to women in the low SED group ( M = 6.89, SD = 5.18), F (8,179) = 4.97, p = 0.03, R 2 = 0.34. Conclusions The importance of understanding multiple dimensions of SED among BCS was highlighted. Reducing SED during the early survivorship period may alleviate depression symptoms.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».