Health-Promoting Behaviours following Primary Treatment for Cancer: A Rural–Urban Comparison from a Cross-Sectional Study
Notice bibliographique
Résumé
Aim: To compare health-promoting behaviours among rural and urban residents following primary treatment for cancer. Methods: A cross-sectional survey collecting demographic variables and data pertaining to health-promoting behaviours, documented using the 52-item Health Promotion Lifestyle Profile II (HPLP-II) measure, which is categorised into six subscales: (1) health responsibility, (2) spiritual growth, (3) physical activity, (4) interpersonal relations, (5) nutrition, and (6) stress management. Residence was defined using the U.K. Office for National Statistics RUC 2011 Rural Urban Classifications. The Index of Multiple Deprivation (IMD) Decile was used to measure deprivation. Quantitative data were analysed using independent samples t-test and multiple linear regression. Qualitative data from open-ended questions were analysed thematically. Results: In total, 227 participants with a range of cancer types completed the questionnaire. Fifty-three percent were residents in urban areas and forty-five percent in rural areas. Rural participants scored significantly higher on health responsibility (p = 0.001), nutrition (p = 0.001), spiritual growth (p = 0.004), and interpersonal relationships (p = 0.001), as well as on the overall HPLP-II (p = 0.001). When controlling for deprivation, age, marital status, and education, rural–urban residence was a significant predictor of exhibiting health-promoting behaviours. A central theme from the qualitative data was the concept of “moving on” from cancer following treatment, by making adjustments to physical, social, psychological, spiritual, and emotional wellbeing. Conclusions: This research revealed, for the first time, differences in health-promoting behaviours among rural and urban U.K. populations who have completed primary cancer treatment. Rural residence can provide a positive environment for engaging with health-promoting behaviours following a cancer diagnosis and treatment.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».