Effect and moderators of exercise on fatigue in patients with cancer: Meta-analysis of individual patient data.
Notice bibliographique
Résumé
104 Background: Fatigue is a common and disabling complaint in patients with cancer and can be reduced by exercise. To further personalize exercise prescriptions, moderators of exercise effects on fatigue should be investigated. However, most randomized controlled trials (RCTs) are not adequately powered to identify heterogeneity in responses to exercise. Therefore, we conducted a meta-analysis using individual patient data (IPD) of exercise RCTs to investigate the effect and moderators of exercise on cancer-related fatigue. Methods: Within the Predicting OptimaL cAncer RehabIlitation and Supportive care (POLARIS) consortium, principal investigators of 34 exercise RCTs worldwide have shared their IPD, including in total 4366 cancer patients. A 1-step IPD meta-analysis, using a linear mixed-effect model with a random intercept on study was undertaken to investigate effect on fatigue. The result, a between-group difference in standardized z-scores, corresponds to a Cohen’s d effect size. An interaction term was included in the model to assess potential moderators including demographic (sex, age, marital status, education), clinical (body mass index, distant metastasis), intervention-related (timing, delivery mode, duration) and exercise-related (type, frequency, intensity, duration) characteristics. Results: Exercise significantly reduced fatigue (β = -0.17, 95% CI -0.22;-0.12). The effect was not moderated by demographic, clinical or exercise-related characteristics. Supervised exercise had significantly larger effects on fatigue than unsupervised exercise (βdifference= -0.18, 95%CI -0.28;-0.08). Compared to the control group, supervised exercise significantly improved fatigue (β = -0.23, 95%CI = -0.29;-0.17), while unsupervised exercise did not (β = -0.04, 95%CI = -0.13;0.04). Conclusions: Exercise significantly reduces cancer-related fatigue across subgroups formed on the basis of demographic and clinical characteristics. The effect of exercise is significantly larger when performed under supervision. Hence, exercise, and preferably supervised exercise, represents a viable intervention for the prevention and treatment of fatigue among patients with cancer.
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 | 0,034 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,092 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».