Novel Digital Gait Kinematic Solution to Improve Frailty
Notice bibliographique
Résumé
Introduction: Frailty effects a person’s health and correlates with mobility and falls. Intervention studies that focus on exercise have demonstrated improved mobility and functional ability in some frailty groups. This study tested a personalised intervention programme automatically generated from digital gait data on frail older people under the care of the North East London Foundation Trust, Community Hospital setting. Methods: One hundred and twenty one people, average age 79, who suffered an injurious fall and were under the care of the Community Hospital, completed the personalised intervention programme. Objective gait kinematic data, obtained using GaitSmartTM automatically generated a personalised exercise programme. Each participant received four tests, approximately 3 weeks apart and was provided with a copy of their report plus personalised exercises. Frailty was measured using the Edmonton Frailty Scale (EFS), fear of falling was measured using the Falls Efficacy Scale-International (FES-I) and speed was determined from the gait data (GS). Results: Five parameters were analysed for all 121 participants at the start and end of the intervention: EFS; FES-I; GS; speed; walking aid. There was a statistically significance between the start and end (p<0.001) for all the parameters. Conclusion: The results demonstrate that addressing frailty using a digital gait solution that sets exercises based on the gait kinematic data, did reverse frailty. This four session programme has shown to improve frailty levels and fear of falling. It also reduced the reliance on walking aids and increased average walking speed from 0.46 to 0.62 m/s.
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) | 0,000 | 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) | 0,004 | 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 ».