Multidisciplinary perspectives in exercise oncology across the translational research continuum
Notice bibliographique
Résumé
Exercise oncology is a multidisciplinary field that encompasses research across the translational continuum. Some of the major disciplines contributing to the field include biology, immunology, physiology, psychology, behavioral science, epidemiology, and clinical oncology. Here, we provide a brief overview of the field under the headings of preclinical studies, observational studies, interventional outcome studies, interventional behavioral studies, dissemination and implementation studies, and childhood cancer studies. Preclinical studies have generally demonstrated that exercise can reduce tumor growth, primarily by modulating the tumor microenvironment. Observational studies have generally demonstrated that higher postdiagnosis exercise is associated with lower rates of mortality, however, most studies have not considered the combination and sequencing of exercise with other cancer treatments. Interventional outcome studies have consistently demonstrated strong evidence that aerobic and/or resistance exercise have beneficial effects on fatigue, anxiety, depression, physical functioning, and quality of life in adult patients treated with curative intent. Childhood cancer studies have demonstrated beneficial effects on cardiorespiratory fitness and muscular strength; however, the quality of evidence is often low. Interventional behavioral studies have identified multiple effective exercise behavior change strategies, yet the evidence is limited by a lack of diversity, minimal attention to social determinants, and insufficient knowledge to tailor interventions. Dissemination and implementation studies are occurring globally, yet an evidence base identifying the most cost-effective, equitable, and sustainable strategies is limited. Notwithstanding substantial limitations and remaining research gaps, multidisciplinary exercise oncology research across the translational continuum has provided cancer patients with evidence-based recommendations for improving quality of life and possibly survival.
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 | 0,113 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,016 |
| Communication savante | 0,017 | 0,012 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,012 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».