BETWEEN-PERSON AND WITHIN-PERSON VARIABILITY IN VITAMIN D, PHYSICAL ACTIVITY, PAIN, AND FALLS RISK
Notice bibliographique
Résumé
Aims: To describe the associations between falls risk, and between-person and within-person variability in 25-hydroxyvitamin D (25OHD), physical activity (PA), knee pain and dysfunction in community-dwelling older people. Methods: Data for 1099 participants (51% women; mean age 63 ± 7.5 years) studied at baseline, 2.5, 5, and 10 years were analysed. Falls risk (Z-score) was measured using the validated physiological Profile Assessment. Knee pain and dysfunction were assessed using the Western Ontario and McMaster Universities Osteoarthritis index (WOMAC). Moderate and vigorous PA (MVPA) was measured using accelerometer. Mixed effect regression analysis was used to model the association between falls risk and between-person and within-person variability in PA, 25OHD and WOMAC score. Results: Between-person effect showed that 10-year average falls risk was lower in participants who had a higher 10-year average 25OHD (β= –0.006 per nmol/l, 95% CI: –0.009, –0.004, P<0.001), MVPA (β= –0.07 per 10 minutes, 95% CI: –0.01, –0.04, P<0.001) and lower mean WOMAC score (β=0.005 per-unit score, 95% CI: 0.004, 0.007, P<0.001). Within-person effect showed that a higher falls risk was associated with higher than average WOMAC score (β=0.003 per-unit score, 95% CI: 0.001, 0.005, P=0.003) and lower than average MVPA (β= –0.12 per 10 minutes, 95% CI: –0.17, –0.08, P<0.001) but not 25OHD. Conclusion: Having knee pain and dysfunction above an individual’s average increases the risk of falling, whereas, increasing one’s own MVPA level further reduces their risk of falling. The presence of between-person but not within-person associations for 25OHD suggests the former may be confounded by other factors.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».