Exercise Preferences, Barriers, and Facilitators of Individuals With Cancer Undergoing Chemotherapy Before Stem Cell Transplantation
Notice bibliographique
Résumé
BACKGROUND: Exercise can help mitigate side effects of hematopoietic stem cell transplantation (HSCT), particularly when initiated before HSCT. However, the exercise-related barriers, facilitators, and preferences of this population remain unclear. OBJECTIVE: This study aimed to explore the patient experience to inform future implementation of a prehabilitation intervention. INTERVENTIONS/METHODS: A 2-phase sequential explanatory mixed-methods study was conducted using (1) cross-sectional survey and (2) focus groups. Survey questions aligned with the Theoretical Domains Framework. Focus group data were analyzed using a directed content analysis approach, followed by inductive thematic analysis to generate themes that represented the exercise-related barriers, facilitators, and preferences of participants. RESULTS: Twenty-six participants completed phase 1 (n = 22 with multiple myeloma). Fifty percent of participants (n = 13) were fairly/very confident in their ability to exercise pre-HSCT. Eleven participants completed phase 2. Exercise barriers included knowledge/skill limitations, inadequate healthcare provider support, and the emotional toll of treatment. Facilitators included social support and goals. Exercise preferences were related to 2 themes: (1) program structure (subthemes: prescription and scheduling, mode of delivery) and (2) support (subthemes: support from personnel, tailoring, and education). CONCLUSION: Key exercise-related barriers included knowledge limitations, disease/treatment effects, and inadequate support. Prehabilitation should be tailored, flexible, and include education and a virtual or hybrid delivery model in this population. IMPLICATIONS FOR PRACTICE: Nurses are well positioned to identify functional limitations and counsel and refer patients to exercise programming and/or physiotherapy services. Including an exercise professional in the pretransplant care team would provide key supportive care assistance for the nursing team.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».