Walking as a Contributor to Physical Activity in Healthy Older Adults: 2 Week Longitudinal Study Using Accelerometry and the Doubly Labeled Water Method
Notice bibliographique
Résumé
BACKGROUND: Physical activity is recommended to promote healthy aging. Defining the importance of activities such as walking in achieving higher levels of physical activity might provide indications for interventions. OBJECTIVE: To describe the importance of walking in achieving higher levels of physical activity in older adults. METHODS: The study included 42 healthy subjects aged between 51 and 84 years (mean body mass index 25.6 kg/m(2) [SD 2.6]). Physical activity, walking, and nonwalking activity were monitored with an accelerometer for 2 weeks. Physical activity was quantified by accelerometer-derived activity counts. An algorithm based on template matching and signal power was developed to classify activity counts into nonwalking counts, short walk counts, and long walk counts. Additionally, in a subgroup of 31 subjects energy expenditure was measured using doubly labeled water to derive physical activity level (PAL). RESULTS: Subjects had a mean PAL of 1.84 (SD 0.19, range 1.43-2.36). About 20% of the activity time (21% [SD 8]) was spent walking, which accounted for about 40% of the total counts (43% [SD 11]). Short bouts composed 83% (SD 9) of walking time, providing 81% (SD 11) of walking counts. A stepwise regression model to predict PAL included nonwalking counts and short walk counts, explaining 58% of the variance of PAL (standard error of the estimate=0.12). Walking activities produced more counts per minute than nonwalking activities (P<.001). Long walks produced more counts per minute than short walks (P=.001). Nonwalking counts were independent of walking counts (r=-.05, P=.38). CONCLUSIONS: Walking activities are a major contributor to physical activity in older adults. Walking activities occur at higher intensities than nonwalking activities, which might prevent individuals from engaging in more walking activity. Finally, subjects who engage in more walking activities do not tend to compensate by limiting nonwalking activities. TRIAL REGISTRATION: ClinicalTrials.gov NCT01609764; https://clinicaltrials.gov/ct2/show/NCT01609764 (Archived by WebCite at http://www.webcitation.org/6grls0wAp).
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».