Correlates of participation in meaningful activities among people with multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: To explore the associations between impairments, self-management self-efficacy, self-management behaviors, and environmental factors and their role in predicting participation in meaningful activities among people with multiple sclerosis. DESIGN: Online cross-sectional survey. SUBJECTS/PATIENTS: Randomly selected individuals (n = 335) from a large multiple sclerosis patient registry. METHODS: Participation in activities that are meaningful to the individual was measured with Community Participation Indicators (CPI), the dependent variable. Independent variables included symptom severity, activities of daily living limitations, cognitive problems, stages of change for physical activity, nutritional behaviors, self-efficacy, and environmental barriers. A backwards selection regression analysis was used to compare the relative contributions of independent variables in predicting the CPI. A path analysis was conducted to explore the associations between independent variables and their direct and indirect effects on the CPI. RESULTS: The final regression model included self-management self-efficacy (β = 0.12), environmental barriers (β = -0.16), cognitive problems (β = -0.22), and stages of change for physical activity (β = 0.12). Path analysis indicated that impairments and environmental barriers might negatively influence self-management self-efficacy. Self-management self-efficacy might have indirect effects on the CPI via engagement in self-management behaviors. CONCLUSION: Future research should explore whether interventions that promote self-management self-efficacy can facilitate participation in meaningful activities.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».