Social support and therapeutic relationships intertwine to influence exercise behavior in people with sport-related knee injuries
Notice bibliographique
Résumé
Objective Explore how social support influences exercise therapy participation and adherence before and after enrolling in an education and exercise therapy intervention (Stop OsteoARthritis, SOAR).Methods Study design: Interpretative description. We sampled participants with sport-related knee injuries from the SOAR randomized controlled trial. SOAR is a virtual, physiotherapist-guided, education and exercise therapy-based knee health program that targets individuals at risk of early osteoarthritis. One-on-one semi-structured interviews were completed, and an inductive approach was guided by Braun & Clarke’s reflexive thematic analysis.Results Fifteen participants (67% female, median age 26 [19–35] years) were interviewed. Three themes were generated that encapsulated participants’ social support experiences that fostered exercise participation: 1) Treat me as a whole person represented the value of social support that went beyond participants’ physical needs, 2) Work with me highlighted the working partnership between the clinician and the participant, and 3) Journey with me indicated a need for on-going support is necessary for the long-term management of participants’ knee health. A theme of the therapeutic relationship was evident across the findings.Conclusions Insight was gained into how and why perceived support may be linked to exercise behavior, with the therapeutic relationship being potentially linked to perceived support. Social support strategies embedded within an education and exercise therapy program may boost exercise adherence after sport-related knee injuries.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».