MétaCan
Menu
Retour à la cohorte
Enregistrement W3045884560 · doi:10.1123/japa.2019-0345

Recreational Therapy to Promote Mobility in Long-Term Care: A Scoping Review

2020· review· en· W3045884560 sur OpenAlexfundno aff
Yijian Yang, Kimberley S. van Schooten, Heather McKay, Joanie Sims‐Gould, Raymond A. Hoang, Stephen N. Robinovitch

Notice bibliographique

RevueJournal of Aging and Physical Activity · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRecreationAttendanceDocumentationFlexibility (engineering)Recreational therapyMedicinePsychologyRandomized controlled trialPhysical therapyGerontologyComputer science

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to explore and synthesize evidence on the effectiveness and implementation of recreational therapy programs to enhance mobility outcomes (e.g., balance, functional performance, fall incidence) for older adults in long-term care. The authors conducted a scoping review of 66 studies following the PRISMA guidelines. Two independent reviewers evaluated each article, and a third reviewer resolved discrepancies. Randomized controlled studies provided strong to moderate evidence that tai chi programs, walking, dancing, and ball games improve flexibility, functional mobility, and balance. Studies assessing program implementation highlighted that program delivery was facilitated by clear instruction, encouragement, attendance documentation, and minimal equipment. This review elucidated the benefit of recreational therapy programs on mobility. It also identified the need for customized programs based on individuals' interests and their physical and mental abilities. These findings and recommendations will assist practitioners in designing effective and feasible recreational therapy programs for long-term care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,039
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0130,012
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,471
Écart entre enseignants0,391 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Aging and Physical ActivityMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207