Considerations of Control Conditions Designs in Randomized Controlled Trials of Exercise Interventions for Cancer Survivors
Notice bibliographique
Résumé
Background Given the multifaceted complexity in the nature of randomized controlled trials, identifying an appropriate and comparable control condition is an essential step to ensure methodological rigor, which allows for researchers to draw unambiguous conclusions concerning the efficacy of the intervention being studied. Objectives The objectives of this paper are to (a) review the current literature and analyze the control condition designs in exercise interventions targeted for cancer survivors; (b) provide an overview of the benefits and limitations of various types of control conditions used in exercise interventions; (c) discuss the considerations in the design of control conditions for exercise interventions; and (d) suggest recommendations for control condition design in future trials of behavioral interventions. Results The review of randomized controlled trials of exercise training interventions for cancer survivors revealed that the design of control conditions varied. The most commonly employed design could be classified into two major categories: (a) active controls including attention control, add-on controls, and dismantling controls; and (b) inactive controls including no-treatment, usual care, and wait-list control. Examples from the literature are presented. Four principal considerations concerning control condition design, including appropriateness, credibility, appeal, and comparability, are discussed. Recommendations on how to avoid some major threats to validity and potential biases are also provided. Conclusions Careful planning for the control group design is as important as for the intervention group. Researchers can use the considerations presented in the paper to assist in planning for the most appropriate control condition for their study.
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 | 0,022 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».