MANAGING MOBILITY IN VULNERABLE SENIORS (MMOVES) WITH AN INDIVIDUALIZED, HOME-EXERCISE PROGRAM
Notice bibliographique
Résumé
After hospitalization, further disability among seniors could be prevented through exercise. Nonetheless, a one-on-one rehabilitation is not realistic for the volume of seniors that are experiencing disability. Currently available educational material for improving disability is so vast and non-specific that passive dissemination may pose a barrier to behaviour change. The aim of this pilot study was to estimate the extent to which an individualized, exercise-focused, self-management program (MMOVES), in comparison to exercise information, is more effective in improving mobility after 6 months among seniors recently discharged from hospital. The physiotherapy-facilitated intervention consisted of 1) evaluation of mobility capacity; 2) setting short and long term goals; 3) delineation of an exercise treatment plan. In addition, MMOVES participants received an educational booklet to enhance mobility self-management skills and were followed-up with monthly telephone calls. Control group received a booklet with information on exercises targeting mobility limitations in seniors. Mobility, pain, and health status were assessed at baseline and at 6 months using multiple indicators drawn from DASH, LEFS, SF-36. After imputing missing data, generalised estimating equations (GEE) estimated the odds of response for people receiving the intervention in comparison to the odds of response in the control group. Each person was classified as having made a response, deterioration, or no change on each measure based on change of one level on the ordinal scale. 26 people were randomized to the intervention (mean age 81 ± 8; 39% women), 23 were randomized to the control (mean age 79 ± 7; 33% women). The OR for the mobility outcomes combined was 3.08 and the 95%CI excluded 1 (1.65 – 5.77). The ORs for pain and health perception favoured the MMOVeS group; but, the 95%CI included the null value. Our individualized, exercise-focused, self-management program was more effective than exercise information in improving mobility outcome for seniors.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».