Exercise during chemotherapy: Friend or foe?
Notice bibliographique
Résumé
BACKGROUND: A higher chemotherapy completion rate is associated with better outcomes including treatment efficacy and overall survival. Exercise may have the potential to improve relative dose intensity (RDI) by reducing the frequency and severity of chemotherapy-related toxicities. We examined the association between exercise adherence and RDI and possible clinical- and health-related fitness predictors of RDI. METHODS: Chemotherapy records were extracted from the electronic medical record for patients enrolled in the ENACT trial (n = 105). Chemotherapy completion was assessed using average RDI. A threshold of 85% was established for "high" versus "low" RDI. Logistic regression analyses were used to estimate the associations between the clinical- and health-related fitness predictors of RDI. RESULTS: Patients with breast cancer (BC) had a significantly higher average RDI (89.8% ± 17.6%) compared with gastrointestinal cancer (GI) (76.8% ± 20.9%, p = 0.004) and pancreatic cancer (PC) (65.2% ± 20.1%, p < 0.001). Only 25% of BC patents required a dose reduction compared to 56.3% of GI and 86.4% of PC patients. Cancer site was significantly associated with RDI. Compared with BC, patients with GI (β = -0.12, p = 0.03) and PC (β = -0.22, p = 0.006) achieved significantly lower RDI. Every 2.72 unit increase in overall exercise adherence led to a significant 7% decrease in RDI (p = 0.001) in GI patients. Metastatic GI patients had a 15% RDI increase for every 2.72 unit increase in exercise adherence (p = 0.04). CONCLUSION: Exercise is a supportive therapy that has potential to enhance chemotherapy tolerance and completion. The relationship between exercise adherence and RDI is influenced by factor such as cancer site and treatment type. Special attention must be paid to how exercise is prescribed to ensure that exercise adherence does not negatively affect RDI. Cancer site, exercise dosage, and multimodal interventions to address toxicities are key areas identified for future research.
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 | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».