Association of Oral Function With Long-Term Participation in Community-Based Oral Exercise Programs in Older Japanese Women: A Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: There are several researches demonstrating that community-based educational and exercise programs can improve oral function in older people. However, the relationship between oral function and long-term participation in health programs has not been fully elucidated. The objective of this study was to clarify the oral health status and oral function of older people (≥ 65 years) who had been participating in community-based exercise programs at community salons. METHODS: We enrolled 108 women (mean age: 77.6 ± 5.7 years) who participated in oral and physical exercise programs once a week at community salons in Takehara throughout May 2017. This cross-sectional pilot study was approved by the Ethical Committee of Hiroshima University and informed consent was obtained from all participants. To assess oral function, the following tests were performed: tongue pressure test, oral diadochokinesis (ODK) measurement, repetitive saliva swallowing test (RSST) and oral wetness measurement. RESULTS: A significant negative correlation was found between age and ODK or RSST (Spearman's rank correlation; P = 0.007 and P = 0.01, respectively). The duration of participation ranged widely from 1 month to 7 years (median: 2.3 years). Although there was no significant difference between participation period and oral function, individuals who had been participating for 3 years or longer did not demonstrate a negative relationship between age and oral wetness. Furthermore, they exhibited a weaker negative relationship between age and oral function (i.e. tongue pressure, ODK and RSST) when compared with individuals who had been participating for less than 3 years. CONCLUSIONS: Our results suggest that long-term participation in community salon exercise programs may suppress the deterioration of oral function in older people. Further study will be necessary to clarify the significant correlation between oral function and community-based social activities such as oral exercise.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».