The Postural Stability Measures Most Related to Aging, Physical Performance, and Cognitive Function in Healthy Adults
Notice bibliographique
Résumé
Background . Different measures have been used to quantify body balance; some of which use technology to measure postural sway, others are physical performance or self‐reported. However, there is little information on the best postural sway measures associated with aging, physical performance, and cognitive function measures. Objective . To evaluate the relationship between postural sway measures and aging, physical performance, and cognitive function measures. Methods . A total of 51 subjects (53% female, mean age 53.2 ± 21 years) participated in this cross‐sectional study. The participants completed the Activities‐specific Balance Confidence (ABC) Scale questionnaire, the Functional Gait Assessment (FGA), the Montreal Cognitive Assessment (MoCA) test, and gait speed. Afterward, the participants performed 8 balance exercises, and their postural sway was measured using a force plate. Spearman’s rank correlation coefficient was used to examine the relationship between the study variables. Results . Age was negatively associated with cognitive function, gait speed, ABC scores, and FGA scores. In addition, cognitive ability was associated positively with ABC scores ( r = 0.38, p ≤ 0.01). Age, FGA scores, and gait speed were significantly associated with the postural sway of the AP direction in some exercises and in all exercises in the ML directions ( p < 0.05). The cognitive function and ABC scores were significantly associated with only postural sway measures in the ML direction ( p < 0.05). Conclusion . The postural sway measures in the lateral direction had more and stronger associations with age, physical performance, and cognitive function measures compared to those in the AP direction.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».