How Effective Are Interventions to Increase Physical Activity Levels among Older Inpatients Receiving Rehabilitation, without Increasing the Amount of Therapy? A Systematic Review
Notice bibliographique
Résumé
Purpose: We systematically reviewed the effectiveness of interventions to increase physical activity in older adults (aged ≥ 60 y), admitted for inpatient rehabilitation, without increasing the amount of therapy. Method: Five electronic databases were systematically searched to identify English-language articles reporting controlled trials of interventions to increase the physical activity (through participation or behavioural change) of older adults receiving inpatient rehabilitation. Trials were excluded if an intervention increased the intensity of usual care, either during the week or on the weekend. Two reviewers independently completed trial selection, quality assessment, and data extraction. Data were synthesized descriptively, and effect sizes with 95% CIs were calculated. Results: Of the 316 articles identified, 3 were included. Two were activity-based, and 1 was a behavioural change intervention. Physical activity was significantly improved in the behavioural change intervention trial that occurred during therapy ( d = 0.27; 95% CI: 0.02, 0.52) and non-therapy time ( d = 0.43; 95% CI: 0.19, 0.68). Participants in all trials were sedentary for the vast majority of the day. Conclusions: Older adults in inpatient rehabilitation have a high level of inactivity. Evidence is lacking that interventions increase physical activity in older adults admitted to inpatient rehabilitation without increasing the amount of time in therapy. Evidence from one trial indicates that behaviour-based strategies are effective for increasing physical activity levels in the inpatient rehabilitation setting.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».