Exploring cardiologists’ and oncologists’ exercise recommendation and referral practices
Notice bibliographique
Résumé
Objective: Exercise is beneficial for individuals who have been diagnosed with cardiovascular disease or cancer. Healthcare providers are well placed to discuss exercise with their patients, but their referral practices and the content of exercise recommendations remain unclear. Method: Cardiologists and oncologists completed an online survey comprising four closed-ended questions and one open-ended question to assess exercise recommendation and referral practices. Chi-square tests were used to compare the frequency of closed-ended responses, and open-ended responses were coded and analysed using qualitative content analysis. Results: Of the 154 surveys, 58 were returned ( n = 25; 43.1% cardiologists, and n = 33; 56.9% oncologists). Respondents ( M age = 45.5 ± 11.1) were mostly men (62.1%). The majority of cardiologists (95.8%) and oncologists (78.1%) reported referring patients to hospital-based exercise programmes. In this study, the cardiologists were more likely to refer patients to certified exercise physiologists (χ 2 (1) = 6.140, p = .021), whereas oncologists were more likely to refer to physical therapists (χ 2 (1) = 11.764, p = .001). Conclusion: Findings reveal that cardiologists and oncologists discussed and recommended exercise to their patients at least some or most of the time; there were differences in the type of exercise professionals they were referred to; and exercise recommendations were variable and infrequently concurred with established guidelines.
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 | 0,009 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».