An Investigation of Limbs Exercise as a Treatment in Improving the Psychomotor Speed in Older Adults with Mild Cognitive Impairment
Notice bibliographique
Résumé
Objectives: This study investigated the effects of therapeutic structured limb exercises intended to improve psychomotor speed in older adults with mild cognitive impairment (MCI). Methods: Forty-four patients with mild cognitive impairment who met the inclusion criteria were selected and assigned randomly to either an experimental group (22 patients) or a control group (22 patients). The numbers of participants were selected based on the calculated sample effect size (N = 38). The study involved a 10-week intervention, in which participants completed structured limb exercises during 60-min training sessions delivered three times per week. Forty-one subjects completed the experimental programme. Scores in the Finger Tapping Test (FTT), Purdue Pegboard Test (PPT) and Montreal Cognitive Assessment (MoCA), along with electroencephalography (EEG) data, were collected before, during and after the intervention. The experimental and control groups were compared using repeated measures analysis of variance. Results: The patients with MCI in the experimental group achieved significantly improved scores in the FTT, the PPT and all dimensions of the MoCA. Moreover, these patients exhibited significant increases in the alpha and beta EEG wave power values in all brain areas of MCI patients, indicating that limb exercise training positively influenced their brain functions. Conclusions: The results conclude that a structured therapeutic limb exercise intervention can effectively improve psychomotor speed in patients with MCI and mitigate declines in cognitive function. This training intervention appears to be effective as a treatment for community-dwelling patients with MCI.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».