MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412495142 · doi:10.1177/26350106251350613

Exercise Barriers Among Females With Type 2 Diabetes: Exploring Age-Related Differences

2025· article· en· W4412495142 sur OpenAlexaff
S O'Gorman, Michelle A. Keske, Kimberley L. Way

Notice bibliographique

RevueThe Science of Diabetes Self-Management and Care · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPsychosocialPsychological interventionGerontologyMedicineType 2 diabetesSocial supportAge groupsDiabetes mellitusPsychologyDemographyNursingPsychiatry

Résumé

récupéré en direct d'OpenAlex

PurposeThe purpose of this study was to explore age-specific differences in exercise barriers among females with type 2 diabetes (T2D).MethodsAn online survey explored psychosocial and logistical barriers to exercise among Australian females with T2D (≥18 years). Participants were categorized into younger (18-54 years) and older (≥ 55 years) age groups to explore age-related differences. The survey also collected sociodemographic, general health and T2D management data, and current physical activity (PA) levels and behaviors.ResultsA total of 119 females participated (younger: n = 36, age: 42.7 ± 9.6 years; older: n = 83, age: 66.8 ± 6.1 years). Although 57.1% reported being physically active, 77.1% of these individuals were not meeting the PA guidelines. Younger females more frequently cited barriers related to time constraints and lack of transport, and older females more frequently reported insufficient social support and not knowing how to initiate an exercise routine. Exercise knowledge and self-efficacy were low across all participants. Only 42.9% believed they could realistically meet the PA guidelines.ConclusionsAustralian females with T2D face distinct age-related barriers to exercise, highlighting the need for tailored strategies. Interventions should focus on improving exercise knowledge and self-efficacy while mitigating key barriers to enhance exercise self-management in females with T2D.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,251
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Science of Diabetes Self-Management and Care→Même sujetPhysical Activity and Health→Travaux en français237 207→