Landscape of Physical Activity and Quality of Life Research in Breast Cancer Survivors: Topic Modeling Analysis
Notice bibliographique
Résumé
Background/Objectives: Physical activity (PA) is widely recognized as a beneficial approach to improving the health-related quality of life (HRQoL) of breast cancer survivors. This study explored key research topics and emerging trends in studies related to PA and HRQoL among breast cancer survivors. Methods: Titles and abstracts of 3847 English-language research articles (2000–2024) were retrieved from PubMed, EMBASE, Web of Science, and Scopus using keywords related to ‘breast cancer’, ‘PA/exercise’, and ‘HRQoL’. A text-mining algorithm based on the Dirichlet-multinomial regression approach in Python was applied to identify the top 10 research topics and their trends over time. Results: In total, 10 key topics emerged: (1) Quality of Life and Well-being, (2) Cancer Treatment and Health-Related Fitness, (3) Supportive Care and Psychosocial Factors, (4) Survivorship, Palliative Care, and Integrative Medicine, (5) Physical Activity and Sedentary Behaviors, (6) Upper Limb-Related Side Effects, (7) Cancer-Related Fatigue and Symptoms, (8) Epidemiological and Clinical Factors, (9) Side Effects of Cancer Treatment, and (10) Weight Management. Among these, Topics 1, 2, 3, 8, and 9 followed upward trajectories, while others showed relatively stable trends. Conclusions: Findings highlight that PA research on breast cancer survivors’ HRQoL spans all stages of survivorship and considers both clinical outcomes and psychosocial and emotional well-being. Understanding how PA and HRQoL have been represented in research helps clarify which survivor needs have received attention and which remain underexplored. These thematic patterns underscore growing acknowledgement of survivors’ lived experiences and offer a roadmap for addressing future research and care gaps.
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 | 0,042 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,025 | 0,029 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».