Developing a Complex Understanding of Physical Activity in Cardiometabolic Disease from Low-to-Middle-Income Countries—A Qualitative Systematic Review with Meta-Synthesis
Notice bibliographique
Résumé
Physical activity behaviour is complex, particularly in low-resource settings, while existing behavioural models of physical activity behaviour are often linear and deterministic. The objective of this review was to (i) synthesise the wide scope of factors that affect physical activity and thereby (ii) underpin the complexity of physical activity in low-resource settings through a qualitative meta-synthesis of studies conducted among patients with cardiometabolic disease living in low-to-middle income countries (LMIC). A total of 41 studies were included from 1200 unique citations (up to 15 March 2021). Using a hybrid form of content analysis, unique factors (n = 208) that inform physical activity were identified, and, through qualitative meta-synthesis, these codes were aggregated into categories (n = 61) and synthesised findings (n = 26). An additional five findings were added through deliberation within the review team. Collectively, the 31 synthesised findings highlight the complexity of physical activity behaviour, and the connectedness between person, social context, healthcare system, and built and natural environment. Existing behavioural and ecological models are inadequate in fully understanding physical activity participation in patients with cardiometabolic disease living in LMIC. Future research, building on complexity science and systems thinking, is needed to identify key mechanisms of action applicable to the local context.
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 | 0,061 | 0,168 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».