SPARC Metrics Provide Mobility Smoothness Assessment in Oldest-Old With and Without a History of Falls: A Case Control Study
Notice bibliographique
Résumé
Ageing-related neuromuscular and neurocognitive decline induces unsmooth movements in daily functional mobility. Here, we used a robust analysis of linear and angular spectral arc length (SPARC) in the single and dual task instrumented time up-and-go test (iTUG) to compare functional mobility smoothness in fallers and non-fallers aged 85 and older. 64 participants aged 85 and older took part in this case-control study. The case group (fallers, n=32) had experienced falls to the ground in the six months prior to the assessment. SPARC analyses were conducted in all phases of the single and dual task iTUGs. We also performed correlation mapping to test the relation of socio-demographic and clinical features on SPARC metrics. The magnitude of between-group differences was calculated using D-Cohen effect size (ES). SPARC was able to distinguish fallers during the single iTUG (ES ≈ 4.18). Turning while walking in the iTUG induced pronounced unsmooth movements in the fallers (SPARC ≈ -13; ES = 3.52) and was associated with the ability to maintain balance in the functional reach task. This information is of importance in the study of functional mobility in the oldest-old and to assess the efficacy of fall-prevention programs.
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) | 0,001 | 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 | 0,001 |
| 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 ».