MétaCan
Menu
Retour à la cohorte
Enregistrement W3132929591 · doi:10.2196/23927

Use of mHealth to Increase Physical Activity Among Breast Cancer Survivors With Fatigue: Qualitative Exploration

2021· article· en· W3132929591 sur OpenAlex
Élise Martin, Antonio Di Meglio, Cécile Charles, Arlindo R. Ferreira, Arnauld Gbenou, Marine Blond, Benoit Fagnou, Johanna Arvis, Barbara Pistilli, Mahasti Saghatchian, Inês Vaz-Luís

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Cancer · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthBreast cancerPsychological interventionThematic analysisFocus groupExploratory researchPhysical activityPsychologyMedicineQualitative researchCancerClinical psychologyPhysical therapyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Physical activity has shown beneficial effects in the treatment of breast cancer fatigue; nevertheless, a significant portion of patients remain insufficiently physically active after breast cancer. Currently most patients have a smartphone, and therefore mobile health (mHealth) holds the promise of promoting health behavior uptake for many of them. OBJECTIVE: In this study, we explored representations, levers, and barriers to physical activity and mHealth interventions among inactive breast cancer patients with fatigue. METHODS: This was an exploratory, qualitative study including breast cancer patients from a French cancer center. A total of 4 focus groups were conducted with 9 patients; 2 independent groups of patients (groups A and B) were interviewed at 2 consecutive times (sessions 1 to 4), before and after their participation in a 2-week mHealth group experience consisting of (1) a competitive virtual exercise group activity (a fictitious world tour), (2) participation in a daily chat network, and (3) access to physical activity information and world tour classification feedback. We used a thematic content analysis. RESULTS: Several physical activity levers emerged including (1) physical factors such as perception of physical benefit and previous practice, (2) psychological factors such as motivation increased by provider recommendations, (3) social factors such as group practice, and (4) organizational factors including preplanning physical activity sessions. The main barriers to physical activity identified included late effects of cancer treatment, lack of motivation, and lack of time. The lack of familiarity with connected devices was perceived as the main barrier to the use of mHealth as a means to promote physical activity. The tested mHealth group challenge was associated with several positive representations including well-being and good habit promotion and being a motivational catalyzer. Following feedback, modifications were implemented into the mHealth challenge. CONCLUSIONS: mHealth-based, easily accessed group challenges were perceived as levers for the practice of physical activity in this population. mHealth-based group challenges should be explored as options to promote physical activity in a population with fatigue after breast 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,432
Score d'incertitude au seuil0,880

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,102
Tête enseignante GPT0,416
Écart entre enseignants0,314 · 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