Fall risk and incidence reduction in high risk individuals with multiple sclerosis: a pilot randomized control trial
Notice bibliographique
Résumé
OBJECTIVE: To determine the feasibility of three fall prevention programs delivered over 12 weeks among individuals with multiple sclerosis: (A) a home-based exercise program targeting physiological risk factors; (B) an educational program targeting behavioral risk factors; and (C) a combined exercise-and-education program targeting both factors. DESIGN: Randomized controlled trial. SETTING: Home-based training with assessments at research laboratory. PARTICIPANTS: A total of 103 individuals inquired about the investigation. After screening, 37 individuals with multiple sclerosis who had fallen in the last year and ranged in age from 45-75 years volunteered for the investigation. A total of 34 participants completed postassessment following the 12-week intervention. INTERVENTION: Participants were randomly assigned into one of four conditions: (1) wait-list control (n = 9); (2) home-based exercise (n = 11); (3) education (n = 9); or (4) a combined exercise and education (n = 8) group. MEASURES: Before and after the 12-week interventions, participants underwent a fall risk assessment as determined by the physiological profile assessment and provided information on their fall prevention behaviors as indexed by the Falls Prevention Strategy Survey. Participants completed falls diaries during the three-months postintervention. RESULTS: A total of 34 participants completed postintervention testing. Procedures and processes were found to be feasible. Overall, fall risk scores were lower in the exercise groups (1.15 SD 1.31) compared with the non-exercise groups (2.04 SD 1.04) following the intervention (p < 0.01). There was no group difference in fall prevention behaviors (p > 0.05). CONCLUSIONS: Further examination of home-based exercise/education programs for reducing falls in individuals with multiple sclerosis is warranted. A total of 108 participants would be needed in a larger randomized controlled trial.ClinicalTrials.org #NCT01956227.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».