Implementing exercise and self-management for women with breast cancer during treatment: results of the NEXT-BRCA randomized controlled trial
Notice bibliographique
Résumé
The purpose of this study was to determine the feasibility (recruitment, retention, and adherence rates) and effectiveness of institution-based exercise and self-management (SM) on physical activity (PA) level, exercise knowledge and intention, health status, functional capacity, patient engagement, and lower extremity strength for individuals with breast cancer receiving treatment. We conducted a hybrid implementation-effectiveness trial (type 1), including female participants with a current diagnosis of breast cancer undergoing treatment. Participants were randomized to (1) exercise and SM (EXSM; 8 in person exercise sessions and SM education), (2) SM only (8 sessions of SM), or (3) usual care (UC; no intervention). The RE-AIM model was used to explore the interventions success. The primary outcome was PA level at post-intervention. An ANCOVA determined effectiveness of the intervention at each timepoint. Eighty-five participants were included in the study. Study recruitment was 72%. Both the EXSM and SM interventions had high levels of retention (EXSM: 72%; SM: 93%) and adherence (EXSM: 76%; SM: 93%). A significant effect of group was found between EXSM and UC for PA level at post-intervention timepoint (adjusted mean difference: 9.28 (95% CI 6.45, 12.10); p < 0.001), and was maintained at 6- and 12-month follow-ups (11.78 (8.93, 14.64); p < 0.001; 11.10 (8.28, 13.92); p < 0.001). Exercise and SM using strategies that maximize availability and accessibility of exercise and SM services for survivors of breast cancer can successfully be implemented during treatment within the cancer institution in Canada. Future research should explore implementation of this program at multiple centers, maximizing referral of diverse participants from diverse providers, and consider cost-effectiveness of the interventions provided over the long term in order to facilitate sustained implementation across cancer centers.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».