COGNITIVE AND PHYSICAL ACTIVITY TRAINING IMPROVES DUAL-TASK PERFORMANCES THROUGH SPECIFIC MECHANISMS
Notice bibliographique
Résumé
Previous studies have shown that physical activity and cognitive training can help improve age-related deficits in attentional control. However, it is not yet clear how physical activity-induced improvements compare to cognitive training improvements in attentional control. To investigate this, 68 healthy sedentary participants over the age of 60 (M=68.58, SD=4.68) have been randomized to one of the three 12-week training programs (Aerobic (AE)=23, Motor Functions (MF)=24, Cognition(COG)=21). Before and after the training program, the participants underwent physical fitness tests, and cognitive evaluations (MMSE, and a computerized cognitive dual task – DT). The AE consisted of high intensity training on a recumbent bicycle. The MF consisted of full-body exercises focusing on coordination, balance, stretching, flexibility without raising the heart rate. The COG training consisted of Ipad exercises focusing on executive functions. Repeated measures ANOVAs revealed a decrease in DT cost only in the two physical activity groups (F(2,65)=3.88, P<.03), and no change in task set cost in either of the groups. On all components of the dual-task, reaction time (RT) was improved only in the MF and COG groups (F(2,65)=6.15, P<.00 for dual-mixed trials; F(2,65)=12.54, P<.00; for single-mixed trials; F(2,65)=14.00, P<.00 for single-pure trials), with COG having the highest improvement in all cases. Although the cognitive training improved overall RT the most, the current results suggest that physical activity training might have a superior benefit on task-coordination ability.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».