Effects of the ACTIVity And TEchnology (ACTIVATE) intervention on health‐related quality of life and fatigue outcomes in breast cancer survivors
Notice bibliographique
Résumé
BACKGROUND: The ACTIVATE Trial examined the efficacy of a wearable-based intervention to increase physical activity and reduce sedentary behavior in breast cancer survivors. This paper examines the effects of the intervention on health-related quality of life (HRQoL) and fatigue at 12 weeks (T2; end of intervention) and 24 weeks (T3; follow-up). METHODS: Inactive and postmenopausal women who had completed primary treatment for stage I-III breast cancer were randomized to intervention or waitlist control. Physical activity and sedentary behavior were measured by Actigraph and activPAL accelerometers at baseline (T1), end of the intervention (T2), and 12 weeks follow-up (T3). HRQoL and fatigue were measured using the Functional Assessment of Cancer Therapy-Breast (FACT-B) and the Functional Assessment of Chronic Illness Therapy-Fatigue (FACIT-Fatigue). Primary intervention effects were evaluated comparing intervention and waitlist group at T2 using repeated measures mixed effects models. RESULTS: Overall, 83 women were randomized and trial retention was high (94%). A 4.6-point difference in fatigue score was observed between groups at T2 (95% CI: 1.3, 7.8) indicating improvement in fatigue profiles in the intervention group. In within groups analyses, the intervention group reported a 5.1-point increase in fatigue from baseline to T2 (95% CI: 2.0, 8.2) and a 3.3-point increase from baseline to T3 (95% CI: 0.1, 6.41). CONCLUSIONS: Despite small improvements in fatigue profiles, no effects on HRQoL were observed. While the ACTIVATE Trial was associated with improvements in physical activity and sedentary behavior, more intensive or longer duration interventions may be needed to facilitate changes in HRQoL.
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 | 0,000 | 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 | 0,000 |
| 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 ».