Remote Exercise Engagement Among Individuals With Cardiovascular Disease
Notice bibliographique
Résumé
PURPOSE: To systematically review the literature regarding barriers and facilitators to remote exercise among individuals with cardiovascular diseases (CVD). REVIEW METHODS: Six databases were searched (inception-December 2023). Studies including barriers and facilitators for remote exercise reported by individuals living with CVD were considered. Quality was rated using the Mixed Methods Assessment Tool (MMAT). Results were synthesized following a thematic analysis approach. Characteristics of interventions were reported using the Template for Intervention Description and Replication (TIDieR). SUMMARY: From an initial pool of 8543 records, 18 studies met the inclusion criteria. Among these, 13 were qualitative studies, with individual interviews being the most frequent data extraction method. Nine studies received 5/5 MMAT scores (ie, high quality). Twelve studies reported remote exercise interventions, mostly delivered within cardiac rehabilitation, by physiotherapists, nurses, and dietitians, predominantly via telephone calls or videoconferences, with only one study incorporating text messages. Five key themes influencing remote exercise interventions were identified: technology (encompassing access and literacy, self-monitoring/motivation, and security concerns), individual health considerations (health/personal aspects and coronavirus disease-2019), social factors (support from health care team and family/social support), environment (facilities), and logistical factors (time and displacement). Several themes served as both facilitators and barriers. Key insights for remote exercise interventions included mobile accessibility, interactive chat sessions, minimal click interactions, short sessions, personalized feedback, and flexible timing. Results emphasize the importance of promoting social interaction and support between participants and health care teams to mitigate barriers and enhance facilitators in remote exercise interventions for individuals with CVD.
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 | 0,007 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».