Physical activity in persons with Parkinson disease: A feasibility study
Notice bibliographique
Résumé
Background: Physical activity for persons with Parkinson Disease (PD) is recommended yet little is known about the physical activity levels in this patient population. The primary aim was to assess the feasibility of using a direct measurement and self-report measure of physical activity in patients with PD. Methods: Physical activity was recorded in 11 out-patients with mild to moderate PD. An accelerometer based sensor system (SenseWear Pro Armband?) which was worn continuously over 2 days was used to measure physical activity. Minute by minute energy expenditure and steps per day were recorded. Self-report physical activity was measured using the Short QUestionnaire to ASsess Health-enhancing physical activity (SQUASH) which assessed average weekly activity. Results: Using the accelerometer based sensor system, 83% of the day was spent in sedentary activity with the majority active time spent at a light intensity (2.7 [SD 2.0] hrs/day). Self-reported mean number of hours for activities greater than 2.0 METs was 3.4 (SD 1.5) hrs/day. Although the overall time spent in activity did not differ between the accelerometer and SQUASH, partici- pants reported a higher proportion of activities at the moderate and vigorous intensities than the accelerometer recorded. Conclusions: Measurement of physical activity is a challenge in persons with PD given the disease-related symptoms. We found that, by all accounts, a self-report measure of physical activity should be complemented with a direct measure of physical activity.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».