Frequency of Going Out and Locomotive Syndrome Among Japanese Female Elderlies
Notice bibliographique
Résumé
Background: Japan is the world’s leading super-aged society, which makes locomotive syndrome an urgent issue. Because increasing the frequency of going out is considered a practical primary preventive measure against locomotive syndrome, we examined the relationship between the frequency of going out and locomotive syndrome in elderly females in Japan. Methods: The subjects were 8,027 females from 46 prefectures in Japan who were living at home and aged 65 and older as of November 1, 2012. The study period was from November 1 to December 31, 2012. The survey was implemented by distributing questionnaires, as well as conducting face–to–face interviews. Odds ratios were obtained using logistic regression models with locomotive syndrome as the dependent variable. Results: Eight thousands twenty seven females were analyzed in this study. There was a significant difference in the prevalence of locomotive syndrome depending on the frequency of going out (p<0.001) as the prevalence of locomotive syndrome decreased as the frequency of going out increased. When the results were adjusted for gender, the frequency of going out, age, use of national nursing–care insurance services, household composition, severity of obesity, and self-rated health, the prevalence of locomotive syndrome was high in those whose frequency of going out was “twice or less a week” (Odds ratio: 1.41, 95% Confidence interval 1.20–1.64). Conclusions: The results suggest that it is possible to prevent locomotive syndrome by encouraging elderly people to maintain and increase their frequency of going out.
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) | 0,002 | 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 ».