MétaCan
Menu
← Retour à la cohorte
Enregistrement W1521969368 · doi:10.1159/000134281

Tai Chi Exercise and Muscle Strength and Endurance in Older People

2008· article· en· W1521969368 sur OpenAlexaff
Dong Xu, Youlian Hong, Jing Xian Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMuscle strengthPhysical medicine and rehabilitationPhysical therapyMedicineEndurance trainingGerontologyPsychology

Résumé

récupéré en direct d'OpenAlex

The purpose of the study was to investigate the influence of regular Tai Chi (TC) practice on muscle strength and endurance of the lower extremities in older people. Twenty-one long-term older TC practitioners were compared with 18 regular older joggers and 22 sedentary counterparts. Maximum concentric strength of knee flexors and extensors was tested at angular velocities of 30 degrees and 120 degrees /s. Ankle dorsiflexors and plantar flexors were tested at 30 degrees /s. Moreover the dynamic endurance of the knee flexors and extensors was assessed at the speed of 180 degrees /s. The strength of knee extensors and flexors in the sedentary group was significantly lower than that in the jogging group and marginally lower than that in the TC group at the higher velocity. For ankle joint, the subjects in both the TC group and the jogging group generated more torque in their ankle dorsiflexors. In addition, the muscle endurance of knee extensors was more pronounced in TC practitioners than the controls. Regular older TC practitioners and joggers showed better scores than the sedentary controls on most of the muscle strength and endurance measures. However, the magnitude of the exercise effects on muscles might depend on the characteristics of different types of exercise.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,311
Écart entre enseignants0,294 · 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'étudeObservationnel
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

Citations37
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBalance, Gait, and Falls Prevention→Travaux en français237 207→