Cancer patient interest and perceptions of health behavior change programs.
Notice bibliographique
Résumé
98 Background: Health behavior change including smoking cessation, physical activity (PA) and alcohol moderation are important aspects of cancer survivorship. We assessed cancer pt interest and perceptions of programs for these behaviours. Methods: 501 cancer pts were surveyed on their smoking, PA and alcohol use along with their interest and perceptions for programs for these behaviors. Multivariate logistic regression models identified factors associated with pt interest and perceptions. Results: At diagnosis, 115 pts smoked; 184 were exposed to second hand smoke (SHS); 313 did not meet PA guidelines; 238 were drinking alcohol. At risk pts’ (e.g, smokers for smoking cessation, SHS exposed for household smoking cessation) survey results are shown in the table. Most pts perceived smoking (90%), SHS (83%) and alcohol (56%) to be harmful on quality of life, survival and fatigue while PA (77%) was felt to improve these outcomes. These perceptions were not associated with program interest ( P> 0.05). However, pts perceiving that alcohol worsened and PA improved these outcomes were more to likely believe associated programs are beneficial (alcohol aORs = 2.1-2.2 P< 0.03; PA aORs = 1.9-3.2 P< 0.02) and should be routine care (alcohol aORs = 1.9-3.5 P< 0.03; PA aORs = 1.7-2.4 P< 0.1). Pts with more pack-yrs smoked less likely perceived a benefit in a household smoking cessation program (aOR = 1.02 P< 0.007). Pts preferred discussing programs with doctors ( > 35%) or counsellors ( > 42%). Conclusions: About half of pts feel that health behavior change programs would be beneficial and should be part of routine care. These factors were more important than perception of the behaviors on outcomes in influencing pt interest. Initial discussions with pts should focus on discussing benefits of these programs. [Table: see text]
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 | 0,000 | 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) | 0,000 | 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 ».