Direct and Indirect Relationships Between Physical Activity, Fitness Level, Kinesiophobia, and Health-Related Quality of Life in Patients with Rheumatic and Musculoskeletal Diseases: A Network Analysis
Notice bibliographique
Résumé
INTRODUCTION: Using a network analysis, the present study investigated the extent to which physical activity (PA), objective fitness level, kinesiophobia, and health-related quality of life (HRQoL) interact in patients with rheumatic and musculoskeletal diseases. The objectives were twofold: 1) to clarify the direct and indirect relationships between these variables while controlling for the shared variance between them, and 2) to establish a potential ranking of influence among them. METHODS: This cross-sectional design study involved patients recruited from a rheumatology unit. One hundred and twenty patients completed self-reported measures of PA, the Tampa scale of kinesiophobia and the 36-item Short-Form Health Survey, and ninety-seven of those patients performed the six-minute walking test and the thirty-second sit-to-stand test. Network analyses were conducted using bootnet and qgraph packages. RESULTS: Weekly time spent on PA, as well as physical fitness measures, were directly linked to kinesiophobia and the HRQoL physical dimension, but indirectly linked to HRQoL mental dimension through the mediation of kinesiophobia. Specifically, weekly PA time had direct relationships to physical functioning, vitality, and role limitations due to physical and emotional problems. Fitness measures had direct relationships with physical functioning, bodily pain, and mental health. The analyses did not clearly highlight one variable as the most influential in the network. DISCUSSION: The study highlights the complexities of direct and indirect biopsychosocial relationships that are at the core of patients' daily functioning. Measurement of PA, use of a longitudinal design, and interventions are discussed.
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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».