Tailoring Strength Training Prescriptions for People with Rheumatoid Arthritis: A Scoping Review
Notice bibliographique
Résumé
Introduction: Prescribing strength training (ST) for people with rheumatoid arthritis (RA) is complicated by factors (barriers and facilitators) that affect participation. It is unclear whether guidelines include recommendations beyond prescription parameters (frequency, intensity, time, type, volume, and progression) and adequately incorporate participation factors tailored to people with RA. Objective: To summarize available recommendations to aid in the tailoring of ST prescriptions for people with RA. Methods: Medline, Embase, and CINAHL databases and gray literature were searched for guidelines, recommendations, and review articles containing ST prescription recommendations for RA. Article screening and data extraction were performed in duplicate by two reviewers. Results: Twenty-seven articles met the inclusion criteria. The recommendations address RA-specific ST participation factors including: knowledge gaps (of equipment, ST benefits, disease), memory problems, the management of joint deformity, comorbidity, the fluctuating nature of the disease and symptoms (pain, stiffness, flares), fear avoidance, motivation, need for referral to other professionals, and provision of RA-specific resources. Conclusion: This review summarizes recommendations for tailoring ST prescriptions for people with RA. Future research is required to understand how pain, symptom assessment, and unaddressed ST participation factors like sleep and medication side effects can be addressed to support ST participation amongst people with RA.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».