Promouvoir une activité physique régulière chez les patients : l’importance de la perception de l’effort
Notice bibliographique
Résumé
L’activité physique est associée à un large éventail de bénéfices pour la santé. Cependant, de nombreux patients n’atteignent pas les niveaux d’activité physique recommandés. À ce jour, les interventions visant à promouvoir l’activité physique chez les patients s’appuient majoritairement sur les modèles de motivation et de santé qui présentent les processus cognitifs comme un déterminant essentiel des comportements. Cependant, les méta-analyses indiquent que ces interventions sont plus efficaces pour modifier les intentions que pour modifier le comportement lui-même. Il est donc nécessaire de développer des interventions ciblant des mécanismes alternatifs. Dans ce sens, de récentes études ont montré qu’une propension automatique à minimiser l’effort perçu pourrait expliquer l’écart entre l’intention d’être actif physiquement et l’engagement effectif dans l’activité physique. Après une présentation du cadre théorique, cet article explique comment l’intégration de la théorie de la minimisation de l’effort dans la prise en charge des patients peut contribuer à promouvoir leur engagement dans une activité physique régulière. Enfin, des pistes et conseils pratiques sont proposés aux professionnels de la santé et de l’activité physique qui ont pour objectif de promouvoir cet engagement.
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 | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».