Predicting physical activity among cancer survivors: Meta-analytic path modeling of longitudinal studies.
Notice bibliographique
Résumé
OBJECTIVE: We conducted meta-analyses and meta-analytic structural equation modeling of longitudinal studies among cancer survivors to (a) quantify associations between psychosocial predictors and physical activity, (b) test how psychosocial predictors combine to influence physical activity, and (c) identify study, demographic, and clinical characteristics that moderate associations. METHOD: Eligible studies used a longitudinal, observational design, included a sample of cancer survivors, and measured both a psychosocial predictor at baseline and physical activity at a later time-point. Of 2,431 records located through computerized searches, 25 independent tests (N = 5,897) met the inclusion criteria for the review. Random effects meta-analyses and meta-analytic structural equation modeling were conducted. RESULTS: Eight psychosocial predictors of physical activity were identified. Self-efficacy (r+ = 0.26) and intentions (r+ = 0.33) were the strongest predictors in bivariate analyses. The structural equation models included attitudes, injunctive norms, self-efficacy, intentions, and physical activity (k = 22, N = 4,385). The model with the best fit, χ2(2) = 0.11, p = .95, root mean square error of approximation = .00, comparative fit index = 1.00, Tucker-Lewis index = 1.00, indicated that all specified paths were significant. Intentions were the strongest predictor of physical activity (β = 0.27, p < .001), and attitudes and self-efficacy were strong predictors of intentions (both βs = 0.29, ps < .001). Few significant moderators were observed. CONCLUSION: This review indicates that self-efficacy and intentions are direct predictors of physical activity in cancer survivors. Further, attitudes and norms predict physical activity through intentions. Findings inform intervention development to increase physical activity engagement among cancer survivors. (PsycINFO Database Record (c) 2020 APA, all rights reserved).
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 | 0,054 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,055 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».