Profiles of resistance training behavior and sedentary time among older adults: Associations with health-related quality of life and psychosocial health
Notice bibliographique
Résumé
BACKGROUND: The primary objective of this study was to gain a better understanding of the associations of health-related quality of life (HRQoL) and psychosocial factors (e.g., satisfaction with life, level of self-esteem, anxiety, depression) with resistance training and sedentary behavior profiles. METHODS: For this cross-sectional study, 358 older adults (≥ 55 years of age) across Alberta, Canada, completed self-reported measures of resistance training behavior, sedentary time, HRQoL, and psychosocial health (e.g., depression, anxiety, self-esteem, satisfaction with life). Participants were placed into one of four profiles with respect to their sedentary and resistance training behaviors. Data were collected in Alberta, Canada between August 2013 and January 2014. RESULTS: Pairwise comparisons indicated that those in the low SED/low RT group had a higher mental health composite (MHC) score compared to those in the high SED/low RT group (M diff = 3.9, p = 0.008). Compared to those in the high SED/low RT group, those in the low SED/high RT groups had significantly higher MHC scores (M diff = 4.8, p < 0.001). Those in the low SED/high RT group reported significantly higher physical health composite scores (PHC) (M diff = 3.7, p = 0.019), compared to the high SED/low RT group. Lower depression symptom scores were observed in the low SED/high RT groups compared to the high SED/low RT group, (M diff = - 0.60, p < 0.001). CONCLUSION: Resistance training, regardless of sedentary time, was significantly associated with HRQoL and psychosocial health.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».