Augmenter l’activité physique et réduire le temps sédentaire : une clé pour mieux vivre après un cancer? Résultats d’une étude pilote
Bibliographic record
Abstract
Pour consulter les références de cette affiche, scannez le code QR! 7,62 5,92 2,85 Cancer: 1ère cause de décès au Canada et au Québec Efficacité des traitements et taux de survie augmentent Période post-traitement = phase pendant laquelle les adultes atteints de cancer sont particulièrement vulnérables aux effets secondaires (physiques et psychologiques) des traitements Importance de l'adoption d'un mode de vie sain Activité physique (AP) American Cancer Society : ≥150 minutes d'AP modérée ou ≥75 minutes d'AP vigoureuse/semaine Temps sédentaire (TS) = dépense énergétique ≤1,5 METs en position assise ou allongée Sédentarité ≠ Inactivité physique Facteur de risque indépendant pour la mortalité et la morbidité liées au cancer À ce jour: associations concurrentes de l'AP et du TS avec le fonctionnement psychologique au cours de la période post-traitement demeurent mal comprises chez les adultes atteints de cancer Objectif: déterminer l'acceptabilité et la faisabilité d'un protocole de sondages quotidiens visant à préciser quels rôles jouent l'AP et le TS dans le fonctionnement psychologique post-traitement d'adultes atteints d'un cancer.8,77
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.022 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".