What Informs Self-efficacy To Be Active During Pregnancy?
Notice bibliographique
Résumé
Self-efficacy facilitates adherence to prenatal exercise which elicits health benefits for the pregnant person and developing fetus. PURPOSE: The purpose of this study was to characterize self-efficacy for exercise during pregnancy and identify theoretically derived antecedents that contribute to high self-efficacy profiles. METHODS: A cross-sectional survey was conducted using RedCap. Eligible participants were currently pregnant, ≥18 years old, did not have contraindications to exercise, and could communicate in English. Participants completed the Pregnancy Exercise Self Efficacy Scale, and were grouped as high, moderate or low self-efficacy. They indicated the degree to which factors that influence self-efficacy (i.e., mastery experience, verbal persuasion, physiological feedback, social persuasion) affected their exercise participation. Open-ended responses described motivators and barriers for exercise. One-Way ANOVA and Chi-Square analyses compared self-efficacy factors. A conventional content analysis was performed on open-ended responses and compared by Chi-Square analyses. RESULTS: Seventy-two participants were included and grouped according to high (n = 18), moderate (n = 50) and low (n = 4) self-efficacy. Mastery experiences and physiological affect were ranked as most influential by the high-self efficacy group compared to both moderate (p = 0.001) and low (p < 0.001) self-efficacy groups. The main reasons for being active were for improving the health of the baby and the pregnant person. The main barriers to being active were fatigue and lack of time. There were no differences between groups for frequency of reporting motivators or barriers. CONCLUSIONS: Mastery experiences (e.g., previous activity levels) and physiological affect (e.g., improved mood post-exercise) promote high self-efficacy for prenatal exercise. Future interventions may use these findings to facilitate prenatal exercise adherence by leveraging factors that are likely to enhance self-efficacy.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».