Perceptions of community-based online exercise programming for persons with multiple sclerosis during COVID-19: A qualitative case study
Notice bibliographique
Résumé
Exercise can preserve physical, cognitive, and physiological functioning in adults living with relapsing remitting multiple sclerosis (RRMS), making it critical to understand exercise programming options, such as online programming, that may reduce exercise related barriers in this population. Using an exploratory case study design, we qualitatively examined the perceptions and experiences of online exercise programming among persons with multiple sclerosis (PwMS). Seven individuals recruited from the Brock Functional Inclusive Training Centre (Bfit) completed semi-structured interviews which were audio recorded and transcribed verbatim. Data were analysed using thematic analysis. Three major themes were generated from the data: (1) Give and take: Accessibility to exercise, (2) It’s just not real: Experiences and perceptions of technology, and (3) It’s so much more than exercise: The importance of connecting with others. Participants described increased accessibility to exercise, however, barriers to accessibility were also articulated. Previous experiences and attitudes towards using online platforms strongly impacted perceptions of technology positively and negatively. Perceptions of community in the online exercise programming impacted participants’ experiences and motivation to engage in exercise. In comparison to facility-based programs, social experiences were hindered; however online exercise programming offered more social opportunities than having no online options. Our findings highlight the complex perceptions of online exercise programming for PwMS. Practitioners should attempt to address challenges of online exercise offerings to create a better experience for this population.
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 | 0,021 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 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) | 0,000 | 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 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 ».