Predictors of adherence to prescribed exercise programs for older adults with non-musculoskeletal indications for exercise: a systematic review
Notice bibliographique
Résumé
Abstract BACKGROUND AND OBJECTIVES: Prescribed exercise to treat medical conditions and to prepare for surgery is a promising intervention to prevent adverse health outcomes for older adults; however, adherence to exercise programs may be low. Our objective was to identify and grade the quality of predictors of adherence to prescribed exercise in older adults.METHODS: After registration (CRD42018108242), prospective experimental studies were identified using a peer-reviewed search strategy applied to MEDLINE, EMBASE, Cochrane and CINAHL from inception until April 23, 2019. Following independent and duplicate review of titles, abstracts and full texts, we included prospective studies with an average population age >65 years, where exercise was formally prescribed for a medical or surgical condition. We excluded studies where exercise was prescribed for a chronic musculoskeletal condition. Risk of bias was assessed using the Quality in Prognostic studies tool or Cochrane risk of bias tool, as appropriate. Predictors of adherence were identified, pooled, and graded for quality using an adaptation of the Grading of Recommendations Assessment, Development and Evaluation (GRADE) framework for predictor studies.RESULTS: We included 19 observational studies and 4 randomized controlled trials (n=5785) Indications for exercise included cardiac (n=6), pulmonary rehabilitation (n=7), or other (n=10; surgical, medical, and neurologic). Overall adherence rate was reported in 20 studies (range 21%-93%; mean 68%, standard deviation 23%). Moderate-quality evidence suggested that positive predictors of adherence were self-efficacy and good self-rated mental health; negative predictors were depression (high quality) and distance from the exercise facility. Moderate-quality evidence suggested that comorbidity and age were not predictive of adherence.CONCLUSIONS: These findings can inform design of future exercise programs as well as identification of individuals who may require extra support to benefit from prescribed exercise.
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 | 0,013 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».