Physiotherapy is Associated with Improvements in Gait and Balance in Individuals with Cognitive Impairment: A Retrospective Analysis
Notice bibliographique
Résumé
BACKGROUND: Evidence suggests that individuals with cognitive impairment (CI) exhibit significant motor impairments; however, these motor impairments receive little treatment attention compared to more prominent CI. Moreover, there is a lack of evidence about physiotherapy (PT) in individuals with CI. OBJECTIVE: The purpose of this study was to determine if PT was effective at improving gait and balance in individuals with Alzheimer disease (AD), vascular dementia (VaD), dementia with Lewy bodies (DLB), and mild cognitive impairment (MCI). METHODS: Retrospective data of 173 individuals with CI conditions and an initial evaluation for PT were extracted from electronic records from January 2016 to December 2017 at a neuro-rehabilitation clinic. The individuals were grouped according to diagnosis (67 with AD, 34 with VaD, 35 with DLB, and 37 with MCI). The following outcomes before and after a month of PT were extracted from records: Montreal Cognitive Assessment (MoCA), MiniBESTest, 5 Times Sit-To-Stand, Timed Up and Go (TUG), TUG cognitive, preferred gait speed, fast gait speed, 6 Minute Walk Test, and the modified Fear of Falling Avoidance Behavior Questionnaire. RESULTS: The mean number of PT sessions over a month was 3.4 (±1.8). All groups showed improvements in balance and at least two gait outcome measures. Those with MCI improved in every gait and balance outcome measure. Lastly, MoCA scores improved in individuals in the AD, VaD, and MCI groups. CONCLUSIONS: Results of this study offer preliminary evidence that one month of PT may produce benefits to gait and balance in individuals with CI. Moreover, it may afford cognitive benefit.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».