Adherence and compliance with exercise training in progressive multiple sclerosis: Rates and correlates from the CogEx trial
Notice bibliographique
Résumé
BACKGROUND: There is limited understanding of adherence and compliance rates for exercise training(ET) in people with progressive multiple sclerosis(PMS). OBJECTIVES: This secondary, exploratory data analysis examined rates of adherence and compliance for continuous, moderate intensity training and high-intensity interval training(HIIT) and possible correlates among people with PMS from the CogEx trial. METHODS: CogEx was a multi-site, multi-arm, randomized, double-blinded, and sham-controlled trial undertaken by 11 sites in six different countries. Participants(N = 311) were randomized into one of four conditions with different combinations of ET and cognitive rehabilitation, including respective sham conditions, delivered twice weekly over 12 weeks. The analysis focused on adherence and compliance rates and correlates for participants in the pooled ET intervention conditions who received and attempted the ET intervention(n = 152). RESULTS: The rates of adherence and compliance overall(combined for both training stimuli) were 94 % and 66 %, respectively. The rates of adherence and compliance for continuous, moderate-intensity exercise were 95 % and 73 %, respectively, and for HIIT were 92 % and 58 %, respectively. The multivariable regression indicated that better 6MWT performance predicted higher compliance(particularly with HITT), whereas better CVLT-II performance predicted higher adherence and compliance with continuous training in PMS. CONCLUSION: Our results highlight worse compliance than adherence with ET, particularly for HIIT, in PMS. We further highlight cognitive and physical function as correlates of adherence and compliance for consideration in future clinical trials of ET in PMS.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».