Characterizing non-curative cancer patient’s preferences, barriers, and facilitators to engaging in exercise programs: A scoping review protocol
Notice bibliographique
Résumé
Objective: The objective of this scoping review is to understand the existing knowledge on, non-curative cancer patients’ preferences, barriers, and facilitators to engaging in an exercise program, strategies for practitioners to increase the uptake of exercise program for non-curative cancer patients. Introduction: Early palliative interventions for patients with non-curative cancers have shown to have positive effects on an individual’s quality of life. A common objective of early palliative interventions is to enhance quality of life, enable symptom management and improve mental health. Although not a specific component of early palliative care, tailored exercise program have the similar goal of enhancing quality of life in non-curative cancer patients.Inclusion criteria: This review will consider sources that include non-curative cancer patients and their needs and experiences regarding participating in exercise programs. Qualitative, quantitative, mixed methods and grey literature will be searched.Methods: This scoping review will be conducted in accordance with JBI methodology. Databases to be searched from their respective inception to Sept 9, 2021 include CINAHL, MEDLINE, EMBASE, Scopus, SPORTDiscus and PsychINFO. A comprehensive search strategy was developed in accordance with JBI methodology to retrieve relevant sources. Two independent reviewers will screen titles and abstracts as well as full texts of relevant sources. The results of the search and the study inclusion process will be reported in full in a PRISMA-ScR flow diagram. Data will be extracted by two independent reviewers and then mapped onto the Behaviour Change Wheel. The results will be presented narratively, using appropriate tables and figures.Conclusion: This review will map key barriers, facilitators, and preferences to partaking in exercise programs for individuals with non-curative cancer. This will aid in informing priorities for subsequent implementation studies.
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 | 0,134 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,014 | 0,016 |
| Bibliométrie | 0,020 | 0,016 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,011 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,015 |
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 ».