Exploring health beliefs as predictors of moderate-to-vigorous intensity physical activity behaviour in cancer survivors
Notice bibliographique
Résumé
Background: Regular participation in physical activity (PA) may help mitigate adverse side effects and symptoms associated with cancer treatments. It is recommended that cancer survivors engage in 150 minutes of moderate-to-vigorous intensity physical activity (MVPA) each week, but most do not follow these recommendations. Identifying theory-based factors associated with MVPA is important to understand how to promote PA engagement in this population. We examined whether Health Belief Model (HBM) constructs (i.e., perceived susceptibility of cancer, perceived severity of cancer, perceived benefits of PA for reducing cancer risk, perceived barriers to PA, PA barrier self-efficacy) were associated with self-reported MVPA behaviour in cancer survivors. Methods: 98 adult cancer survivors (Mage=48.9±15.2 years; 80.6% female) completed an online survey assessing sociodemographics, medical characteristics, MVPA behaviour, and HBM constructs. Data were analyzed using hierarchical linear regression analysis. Results: After adjusting for age, sex, body mass index, and time since cancer diagnosis, HBM constructs accounted for 31.5% of the variance in MVPA behaviour. Only perceived benefits of PA (B=7.96, SE=2.66, 95% confidence interval (CI): 2.75-13.18, p=.003) and PA barrier self-efficacy (B=0.44, SE=0.09, 95% CI: 0.26-0.63, p
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 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».