MétaCan
Menu
← Retour à la cohorte
Enregistrement W6980037347

Are biased perceptions of exercise modifiable? A case study in reframing for women with Multiple Sclerosis

2023· article· en· W6980037347 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésCognitive reframingThematic analysisCognitionFeelingCoachingPerceptionPopulationSession (web analytics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cognitive Reframing is a novel exercise coaching strategy used to reduce a person’s negative or biased feelings toward exercise. Evidence in the general population suggests that Cognitive Reframing is effective. Multiple Sclerosis (MS) symptoms may magnify a person’s barriers to exercise, increasing their biased perceptions. Prior to implementing counseling strategies into new populations, they must first be pilot tested to understand how it is received and whether the protocol needs to be tailored to the new population. The aim of this research was to understand the experiences with and feasibility of Cognitive Reframing for individuals with MS. This mixed-method study included seven women (Age range 29-48) who completed a reframing session (~15 mins), pre-post descriptive survey measures of cognitive biases and self-efficacy, and a follow-up interview about their experience receiving Cognitive Reframing. Data were analyzed using descriptive statistics and thematic analysis. Three participant case studies were created to illustrate different experiences with Reframing. Themes derived from follow-up interviews include increased motivation to be physically active and an increased level of self-reflection about their inaccurate views of exercise. One case, Maria experienced a decrease in their cognitive biases (Mpre=8.0 vs Mpost=4.43) and indicated struggling less with exercise during the follow-up. Participants suggested modifications to adapt Reframing to MS Populations. Findings will provide insight on how to tailor and acceptably deliver reframing coaching for individuals with MS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,003
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,154
Tête enseignante GPT0,357
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultiple Sclerosis Research Studies→Travaux en français237 207→