Regular Exercise, Quality of Life, and Mobility in Parkinson’s Disease: A Longitudinal Analysis of National Parkinson Foundation Quality Improvement Initiative Data
Notice bibliographique
Résumé
BACKGROUND: Research-based exercise interventions improve health-related quality of life (HRQL) and mobility in people with Parkinson's disease (PD). OBJECTIVE: To examine whether exercise habits were associated with changes in HRQL and mobility over two years. METHODS: We identified a cohort of National Parkinson Foundation Quality Improvement Initiative (NPF-QII) participants with three visits. HRQL and mobility were measured with the Parkinson's Disease Questionnaire (PDQ-39) and Timed Up and Go (TUG). We compared self-reported regular exercisers (≥2.5 hours/week) with people who did not exercise 2.5 hours/week. Then we quantified changes in HRQL and mobility associated with 30-minute increases in exercise, across PD severity, using mixed effects regression models. RESULTS: Participants with three observational study visits (n = 3408) were younger, with milder PD, than participants with fewer visits. After 2 years, consistent exercisers and people who started to exercise regularly after their baseline visit had smaller declines in HRQL and mobility than non-exercisers (p < 0.05). Non-exercisers worsened by 1.37 points on the PDQ-39 and a 0.47 seconds on the TUG per year. Increasing exercise by 30 minutes/week was associated with slower declines in HRQL (-0.16 points) and mobility (-0.04 sec). The benefit of exercise on HRQL was greater in advanced PD (-0.41 points) than mild PD (-0.14 points; p < 0.02). CONCLUSIONS: Consistently exercising and starting regular exercise after baseline were associated with small but significant positive effects on HRQL and mobility changes over two years. The greater association of exercise with HRQL in advanced PD supports improving encouragement and facilitation of exercise in advanced PD.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».