MétaCan
Menu
Retour à la cohorte
Enregistrement W3092634005 · doi:10.3390/jcm9103244

Prostate Cancer Survivors’ and Caregivers’ Experiences Using Behavior Change Techniques during a Web-Based Self-Management and Physical Activity Program: A Qualitative Study

2020· article· en· W3092634005 sur OpenAlexafffund
Laura Hallward, Keryn Chemtob, Sylvie Lambert, Lindsay R. Duncan

Notice bibliographique

RevueJournal of Clinical Medicine · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMcGill University
Organismes subventionnairesProstate Cancer Canada
Mots-clésMedicinePhysical activityQualitative researchProstate cancerCancerGerontologyBehavior changeOncologyPhysical therapyInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Both men with prostate cancer and their caregivers report experiencing a number of challenges and health consequences, and require programs to help support the cancer patient-caregiver dyad. A tailored, web-based, psychosocial and physical activity self-management program (TEMPO), which implements behavior change techniques to help facilitate behavior change for the dyads was created and its acceptability was tested in a qualitative study. The purpose of this secondary analysis was to explore the dyads' experiences using behavior change techniques to change behavior and address current needs and challenges while enrolled in TEMPO. Multiple semi-structured interviews were conducted with 19 prostate cancer-caregiver dyads over the course of the program, resulting in 46 transcripts that were analyzed using an inductive thematic analysis. Results revealed four main themes: (1) learning new behavior change techniques, (2) engaging with behavior change techniques learned in the past, (3) resisting full engagement with behavior change techniques, and (4) experiencing positive outcomes from using behavior change techniques. The dyads' discussions of encountering behavior change techniques provided unique insight into the process of learning and implementing behavior change techniques through a web-based self-management program, and the positive outcomes that resulted from behavior changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,004
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,271
Tête enseignante GPT0,606
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207