Physical Activity and Mortality in Cancer Survivors: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Recommendations for improved survival after cancer through physical activity (PA) exist, although the evidence is still emerging. Our primary objective was to conduct a systematic review and meta-analysis of the association between prediagnosis and postdiagnosis PA and survival (cancer-specific, all-cause, and cardiovascular disease mortality) for all cancers and by tumor site. Secondary objectives were to examine the associations within population subgroups, by PA domain, and to determine the optimal dose of PA related to survival. METHODS: PubMed, EMBASE, and SportsDiscus databases were searched from inception to November 1, 2018. DerSimonian-Laird random-effects models were used to estimate the summary hazard ratios (HRs) and 95% confidence intervals (CI) for primary and secondary analyses and to conduct dose-response analyses. RESULTS: Evidence from 136 studies showed improved survival outcomes with highest vs lowest levels of prediagnosis or postdiagnosis total or recreational PA for all-cancers combined (cancer specific mortality: HR = 0.82, 95% CI = 0.79 to 0.86, and HR = 0.63, 95% CI = 0.53 to 0.75, respectively) as well as for 11 specific cancer sites. For breast and colorectal cancers, greater reductions were observed for postdiagnosis PA (HR = 0.58-0.63) compared with prediagnosis PA (HR = 0.80-0.86) for cancer-specific and all-cause mortality. Survival benefits through PA were observed in most subgroups (within sex, body mass index, menopausal status, colorectal subtypes, and PA domain) examined. Inverse dose-response relationships between PA and breast cancer-specific and all-cause mortality were observed, with steep reductions in hazards to 10-15 metabolic equivalent hours per week. CONCLUSION: Higher prediagnosis and postdiagnosis levels of PA were associated with improved survival outcomes for at least 11 cancer types, providing support for global promotion of PA guidelines following 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 | 0,012 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,035 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».