Beneficial Effects of Interactive Physical-Cognitive Game-Based Training on Fall Risk and Cognitive Performance of Older Adults
Notice bibliographique
Résumé
Physical and cognitive declines are significant risk factors for falls. Promising evidence suggests that combined physical-cognitive training would be an effective fall risk reduction and cognitive improvement intervention. However, a limited number of studies have been conducted and findings have been inconclusive. This study investigated the effects of interactive physical-cognitive game-based training on the fall risk and cognitive performance of older adults. Forty participants were randomly allocated to the intervention (n = 20) and control (n = 20) groups. Participants in the intervention group performed a 1 h session, 3 times a week for 12 weeks of the interactive physical-cognitive game-based training program. Fall risk (Physiological Profile Assessment, PPA; and Timed Up and Go, TUG) and cognitive outcome (Montreal Cognitive Assessment, MoCA) were assessed at pre- and post-intervention. Thirty-nine participants (mean age = 69.81 ± 3.78 years) completed the study (97.5%). At the end of the trial, participants in the intervention group demonstrated significant improvement in the PPA fall risk score (p = 0.015), postural sway (p = 0.005), MoCA score (p = 0.001), and TUG-dual task (p = 0.045) compared to controls. In conclusion, the interactive physical-cognitive, game-based training was effective in reducing physiological fall risk and improving cognitive function in community-dwelling older adults.
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) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».