MétaCan
Menu
Retour à la cohorte
Enregistrement W2233961159 · doi:10.1123/japa.2015-0013

Sedentary Behavior and Physical Activity Patterns in Older Adults After Hip Fracture: A Call to Action

2015· article· en· W2233961159 sur OpenAlexfundaboutno aff
Lena Fleig, Megan M. McAllister, Penny Brasher, Wendy L. Cook, Pierre Guy, Joseph H. Puyat, Karim M Khan, Heather McKay, Maureen C. Ashe

Notice bibliographique

RevueJournal of Aging and Physical Activity · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueHip and Femur Fractures
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchMichael Smith Health Research BC
Mots-clésMedicinePhysical activityWaistHip fractureSedentary behaviorPhysical therapyPhysical medicine and rehabilitationGaitGerontologyBody mass indexOsteoporosisInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To characterize patterns of sedentary behavior and physical activity in older adults recovering from hip fracture and to determine characteristics associated with activity. METHODS: Community-dwelling, Canadian adults (65 years+) who sustained hip fracture wore an accelerometer at the waist for seven days and provided information on quality of life, falls self-efficacy, cognitive functioning, and mobility. RESULTS: There were 53 older adults (mean age [SD] 79.5 [7.8] years) enrolled in the study; 49 had valid data and demonstrated high levels of sedentary time (median [p10, p90] 591.3 [482.2, 707.2] minutes/day), low levels of light activity (186.6 [72.6, 293.7]), and MVPA (2 [0.1, 27.6]), as well as few daily steps (2467.7 [617.1, 6820.4]). Regression analyses showed that age, gender, gait speed, and time since fracture were associated with outcomes. CONCLUSIONS: Older adults have long periods of sedentary time with minimal activity. Results are a call to action to encourage people to sit less and move more.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,240

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,322
Écart entre enseignants0,301 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Aging and Physical ActivityMême sujetHip and Femur FracturesTravaux en français237 207