Physical Activity and Cognitive Function in the Elderly Population
Notice bibliographique
Résumé
Background: Old age is accompanied by impaired musculoskeletal and nervous system, which may result in low mobility and cognitive problems.Objectives: This study aims to evaluate the relationship between Physical Activity (PA) and Cognitive Function (CF) among the elderly population. Materials & Methods:This is a descriptive cross-sectional study conducted on 200 old people who were members of retirement clubs in Mashhad City, Iran in 2017.They were selected using purposeful sampling method.To collect data, International Physical Activity Questionnaires (IPAQ), and Montreal Cognitive Assessment (MoCA) tools were employed.The Pearson correlation test and hierarchical regression analysis were used to determine the relationship and predictability of CF with PA, respectively after controlling intervening variable (age).Moreover, one-way Analysis of Covariance (ANCOVA) analysis was used to examine difference between CF scores in different PA levels.Results: There was a positive and significant relationship between PA and CF in the elderly (r=0.63,P<0.0001).After controlling the age factor, PA was able to explain 42% of CF variance (F 2,197 =72.17,P<0.0001).Moreover, ANCOVA results indicated that cognitive impairment was higher in the elderly with low PA (F 2,197 =54.40,P<0.0001).Conclusion: This study showed that lower PA was associated with higher cognitive impairment and older people with moderate and high PA had better CF than elderly with low PA.Therefore, suitable physical activity should be planned for the elderly to improve their ability in performing cognitive tasks.
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 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».