Feasibility of a tailored and virtually supported home exercise program for people with multiple myeloma using a novel eHealth application
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: eHealth exercise interventions have the unique ability to leverage the benefits of in-person programming (tailoring and supervision) with the benefits of home programming (flexibility). There may be a role for eHealth-delivered exercise for people with multiple myeloma (MM), as exercise tailoring and supervision are critical for successful outcomes due to the significant impacts/risks of myeloma-related side effects. The purpose of this study was to determine the safety, feasibility, and preliminary efficacy of a 12-week virtually supported eHealth exercise program. Methods: Participants with MM completed a 12-week virtually supported home exercise program involving virtually supervised group workouts, independent workouts, and aerobic exercise. Tailoring was facilitated by the functionality of HEAL-Me, a novel eHealth app. Participants completed virtual fitness assessments and questionnaires at baseline and week 12. Results: Twenty-nine participants consented, 26 completed all follow-up testing (90%). Exercise adherence was 90% (group), 83% (independent), and 90% (aerobic). No serious adverse events (grade ≥3) occurred. Significant improvements were found for quality of life and physical fitness. There was a high level of program/app satisfaction: 96% of participants agreed or strongly agreed that the exercise program was beneficial, 93% found it enjoyable, 89% were satisfied or very satisfied with delivery through the HEAL-Me app, and 48% felt that the eHealth program helped them manage cancer-related symptoms and side-effects. Conclusion: An eHealth intervention that is individually tailored and includes virtual supervision and active support from the healthcare team is feasible and acceptable to people with MM. The findings from this study warrant investigation using a large-scale randomized controlled trial.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle