Fear of Falling: Taijiquan as a Form of Graded in Vivo Exposure Therapy
Notice bibliographique
Résumé
<p class="MsoNormal" style="text-align: justify; margin: 0cm 0cm 6pt;"><span style="mso-ansi-language: EN-US;" lang="EN-US"><span style="font-size: small;"><span style="font-family: Calibri;">Falls in the elderly can cause injuries that lead to loss of independence. Loss of postural sway, balance, and slower reaction times are strong predictors of falling (Lajoie &amp; Gallagher, 2004). Traditional exercise programs focus on studying and treating these factors (Tideiksaar, 1997); however, fear of falling – another strong predictor of falls – has received relatively little attention in the treatment literature (Maki et al., 1991). There are indications of a direct link between fear of falling, and actual falls (Myers et al., 1996), and a relationship between fear-related avoidance of activities and falling (Delbaere et al., 2004). Taijiquan, an ancient Chinese martial art turned exercise regimen (Wolf et al., 2001), has been shown to be effective ameliorating fear of falling and traditional antecedents of falling (Tsang et al., 2004). Like graded exposure therapies, Taijiquan practitioners slowly and progressively achieve increasingly difficult postures that simulate potentially fearful situations in a calming environment. Relative to other exercise treatments, such as computerized balance training, education, and graded exercise, Taijiquan has produced significant reductions in fear of falling and in actual falls (McGibbon et al., 2005). Herein the available research on Taijiquan and falls is reviewed to advocate for Taijiquan as a form of graded exposure therapy to reduce fear of falling and falls in seniors. Implications and future research directions will be discussed.</span></span></span></p>
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».