Normative Data for the Balance Error Scoring System in Adults
Notice bibliographique
Résumé
Background. The balance error scoring system (BESS) is a brief, easily administered test of static balance. The purpose of this study is to develop normative data for this test. Study Design. Cross-sectional, descriptive, and cohort design. Methods. The sample was drawn from a population of clients taking part in a comprehensive preventive health screen at a multidisciplinary healthcare center. Community-dwelling adults aged 20-69 (N = 1, 236) were administered the BESS within the context of a fitness evaluation. They did not have significant medical, neurological, or lower extremity problems that might have an adverse effect on balance. Results. There was a significant positive correlation between BESS scores and age (r = .34). BESS performance was similar for participants between the ages of 20 and 49 and significantly declined between ages 50 and 69. Men performed slightly better than women on the BESS. Women who were overweight performed significantly more poorly on the test compared to women who were not overweight (P < .0001; Cohen's d = .62). The BESS normative data are stratified by age and sex. Conclusions. These normative data provide a frame of reference for interpreting BESS performance in adults who sustain traumatic brain injuries and adults with diverse neurological or vestibular problems.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».