PERSON-CENTERED WALKING TO MAINTAIN THE MOBILITY, ADL FUNCTION, AND QUALITY OF LIFE OF LTC RESIDENTS
Notice bibliographique
Résumé
Aim: To determine the efficacy of a person-centered multifaceted walking intervention (MWI) to maintain the mobility, ADL function, and QOL of LTC residents with dementia. Method: An interrupted time-series design was used. Measures of mobility (2-minute walk test[2MWT], Timed-Up-and-Go[TUG], gait speed), ADL function (Functional Independence Measure[FIM]), and QOL (Alzheimer’s Related Quality of Life Scale[ARQOL]) were collected before and after the 2-month pre-MWI phase, and at the middle and end of the 4-month MWI phase. The MWI consisted of a one-to-one walking regime and an individualized communication care plan tailored to the resident provided up to 4x/week for 4 months. RM-ANOVA was used to evaluate MWI efficacy. Results: All eligible residents (n=26), PSW staff (n=21) and power of attorneys (n=25) enrolled in the study. During the pre-MWI phase, residents experienced a significant decline in mobility: TUG increased by 4.4% (mean difference= 4.15 sec., P=0.01), 2MWT decreased by 9.7% (mean difference= -5.78 m., P=0.03), gait speed decreased by 11.3% (mean difference= -0.05 m/sec, P=0.022), decline in ADL function (mean difference= -17.88, P=0.03), and a loss of QOL (mean difference= -1.84, P=0.030). During the MWI phase, the TUG improved by 32.1% (mean difference= -8.58, P=0.000), 2MWT improved by 51.2% (mean difference= 27.47, P= 0.000), gait speed improved by 55.1% (mean difference= 0.23, P=0.000), ADL function increased by 25% (mean difference= 15.60, P=0.000), and QOL increased by 7.8% (mean difference= 2.44, P=0.063). Conclusion: Findings provide preliminary evidence for a future trial, and a greater understanding of the role of person-centered care in delivering PA in LTC.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».