Get In Motion: More than leisure-time physical activity participation
Notice bibliographique
Résumé
Background: Get In Motion (GIM) is an evidence- and theory-based physical activity telephone counselling service for Canadian adults with a spinal cord injury (SCI). GIM sessions are based on the Health Action Process Approach (HAPA) model, with the counsellor facilitating behaviour change discussions over a 6-month time period. Previous research has shown GIM to be an effective service for increasing intentions and leisure-time physical activity (LTPA) behaviour among its clients. The purpose of the current study was to examine the secondary effects of the GIM on participation and quality of life among its clients. Methods: Clients’ (n=45; 50% males) demographics were collected over the phone, including age (51.46 ± 12.36 years), level of injury (50% with paraplegia), years post-injury (17.00 ± 17.51 years), upon enrolment. Secondary measures relating to participation and quality of life (i.e., Satisfaction with Life (SWL), autonomy and participation (AP), and self-efficacy of activities of daily living (ADLs)) were obtained at baseline and 6-months. Results: Using paired sample t-tests, a trend was found for positive changes in AP (p = .08) and ADL self-efficacy (p = .07) from baseline to 6-months, with clients reporting greater autonomy (5.16 to 5.49) and greater self-efficacy for accomplishing ADLs (3.92 to 4.28). No significant changes or trends were shown for SWL (p = .50). Conclusion: Overall, the GIM service seems to have a positive effect on some aspects of participation and QOL for its clients. To further increase clients’ life satisfaction, autonomy and participation, and ADL self-efficacy, it may be necessary to include other tools and strategies into GIM counselling sessions such as creating a more well rounded discussion which addresses social support networks, and sport or group activity participation. In the future, the long-term effects of the GIM service should be assessed along with the adoption of LTPA participation post-intervention.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».