Perceptions of eHealth-Enabled Physical Activity Interventions Among Cancer Survivors: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Achieving adequate levels of physical activity (PA) is especially important for cancer survivors to mitigate the side effects of cancer and its treatment as well as for other health benefits. Electronic health (eHealth)-based PA interventions may offer feasible alternatives to traditionally delivered programs and optimize physical recovery after a cancer diagnosis, but perspectives of cancer survivors on this new delivery medium have not been extensively explored. OBJECTIVE: The overall aim was to explore participants' perspectives of eHealth-enabled PA interventions to inform the design of a future intervention among cancer survivors. METHODS: The study took place in a designated cancer center in Dublin, Ireland. A preceding questionnaire-based study was conducted primarily to establish interest in participating in subsequent eHealth-based studies. A follow-on focus group study was conducted to explore the concept of eHealth-based PA interventions for cancer survivors. The data were analyzed using thematic analysis. RESULTS: The questionnaire-based study (N=102) indicated that participants had a high level of interest in participating in follow-on eHealth-based studies. The focus group study (n=23) indicated that, despite some trepidation, overall positivity was expressed by participants toward the concept of eHealth-based PA interventions. Four themes were generated: (1) Health impact, including PA as a barrier and as a motivating factor, (2) Education needs, which emphasized the need for integrated information about PA and to increase technical literacy, (3) Goal setting, which should be integrated within the technical specification as a motivating factor, and (4) Support needs, as well as the importance of personalized human interaction, in tandem with technology. CONCLUSIONS: Qualitative research at the pretrial phase adds value to the design of a complex intervention and is especially useful in an area such as eHealth. The findings highlighted an interest in participating in eHealth-focused research as well as barriers, training needs, and key design features that can be applied to optimize the design of future eHealth-based PA interventions in 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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».