MétaCan
Menu
Retour à la cohorte
Enregistrement W2771990314 · doi:10.5432/ijshs.201706

Effect of a Concurrent Well-Rounded Exercise Training Using a Floor-Based Exercise Station in Older Women

2017· article· en· W2771990314 sur OpenAlexaff
Aiko Imai, Naoko Sengoku, Daisuke Koizumi, Yukiko Kitabayashi, Aiko Naruse, Michael E. Rogers, Nobuo Takeshima

Notice bibliographique

RevueInternational Journal of Sport and Health Science · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensActive Aging Canada
Organismes subventionnairesnon disponible
Mots-clésCircuit trainingAerobic exercisePhysical therapyBalance (ability)Physical medicine and rehabilitationResistance trainingMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

To evaluate the effects of a 12-wk circuit exercise training program using the floor-based exercise station (FBES) on aerobic fitness, strength, and balance in older women. Participants were divided into: FBES exercise group (EX: n=22; 68.1±6.5 yr) and a non-exercise control group (CN: n=18; 68.2±5.7 yr). EX participated in a 12-wk circuit training program, 3 d/wk for 50 min/d, consisting of warm-up exercise (10 min), circuit training (30 min), and cool-down/relaxation exercise (10 min). Twelve strength and balance exercises and 12 aerobic dance exercises were performed alternatively for 30s each with a heart rate of 100-110 bpm. CN continued normal physical activity patterns. After 12-wk, all measurements were repeated in both groups. Compared to CN, EX increased (p<0.05) arm curl (12.6%), timed up-and-go (-8.7%), 12-min walk (5.4%), predict VO2max (6.3%), sit-and-reach (24.3%), and back scratch (271.5%), but not balance parameters. Incorporating both aerobic and resistance training via the FBES improves multiple aspects of fitness but not balance. These results are similar to those from larger, more expensive hydraulic exercise machines. This study supports the efficacy of the FBES for older adults and implementation is feasible in multiple settings as it is relatively inexpensive and requires little space.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,457
Écart entre enseignants0,393 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sport and Health ScienceMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207