MétaCan
Menu
Retour à la cohorte
Enregistrement W2156810780 · doi:10.1093/geront/48.3.349

Everyday Physical Activity as a Predictor of Late-Life Mortality

2008· article· en· W2156810780 sur OpenAlexafffund
Judith G. Chipperfield

Notice bibliographique

RevueThe Gerontologist · 2008
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDemographyPhysical activityGerontologyMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The present study hypothesized that simple, everyday physical activity (EPA) would decline with advancing age; that women would have a more favorable EPA profile than would men; and that EPA would have a survival benefit. DESIGN AND METHODS: Community-dwelling participants (aged 80-98 years, n = 198) wore mechanical actigraphs in order for EPA to be assessed. Individuals were classified as active, inactive, and sedentary based on their level of EPA exhibited over a substantial part of the day. Survival status was available at approximately 2 years. RESULTS: Mean EPA scores decreased with advancing age and, in contrast to men, women in their early eighties appeared to be protected from declining EPA. This partially supported the hypothesis that women would have a more favorable EPA profile. What is most important is that mean EPA scores predicted mortality. Moreover, when compared with their less sedentary counterparts, sedentary adults were more than three times as likely to be deceased 2 years later. IMPLICATIONS: Researchers need to conduct new trials to determine whether or how physical activity is associated with mortality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,376
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,148
Tête enseignante GPT0,379
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations60
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe GerontologistMême sujetPhysical Activity and HealthTravaux en français237 207