The Feasibility of Square-Stepping Exercise as a Universal Intervention for Older Adults with Chronic Disease to Improve Cognitive and Physical Function
Notice bibliographique
Résumé
Square-stepping exercise (SSE) is a cognitive training program with a physical component. An instructor demonstrates a stepping pattern across a gridded mat and participants are required to memorize and repeat the patterns on their own. In community-dwelling older adults, SSE has demonstrated some benefits on global cognitive functioning (GCF), balance, functional fitness, and social interaction.\nAims: to investigate the feasibility and efficacy of SSE in varied populations and settings to improve mobility and cognition. Populations included older adults with: knee osteoarthritis (OA), type 2 diabetes mellitus (T2DM) and self-reported cognitive complaints (sCC), and those living in long-term care (LTC) and continuum care (CC) homes.\nMethods: We conducted 3 pilot randomized controlled trials ranging from 12- to 24-weeks of SSE. Feasibility was determined through recruitment and attendance. Participants were assessed on a host of cognitive, functional, and gait outcomes before and after SSE.\nResults: We found that SSE was not feasible in older adults with knee OA and results were inconclusive whether it effected mobility in this population. SSE demonstrated improvements in the planning domain in older adults with T2DM and sCC. However, attendance remained a challenge in this group due to high disease burden (i.e. appointments and illness), and therefore it was not feasible. In LTC and CC homes, SSE was not feasible because recruitment and attendance were low. However, we showed that adults living with dementia improved on mood and behaviour symptom scores.\nConclusions: Square-stepping exercise is not a feasible program as implemented in this thesis and SSE showed limited benefit to cognitive and mobility outcomes. These pilot studies demonstrated the challenges of feasibility in adults with diverse cognitive and mobility impairments. Future studies should focus on addressing recruitment and adherence strategies for chronic disease populations.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».