Can Backward Walking Speed Reserve Discriminate Older Adults at High Fall Risk?
Notice bibliographique
Résumé
Purpose: The authors examine whether community-dwelling older adults at high fall risk have lower backward walking speed reserve (WSR) than their healthy counterparts. Method: Twenty-one healthy older adults and 20 older adults at high fall risk performed five trials of forward walking at a self-selected and maximal pace. In addition, all participants walked backward at a self-selected pace, and 15 participants from each group walked backward at a maximal pace. WSR was calculated as the difference between maximal and self-selected walking speed. Comparisons between groups were made using a one-tailed independent samples t-test or Mann–Whitney U-test with an α value of 0.025. Results: Older adults at high fall risk were significantly slower during self-selected forward walking (11.7%; p = 0.006), maximal forward walking (15.5%; p = 0.001), self-selected backward walking (25.3%; p = 0.002), and maximal backward walking (23.8%; p = 0.006). Older adults at high fall risk showed a lesser forward WSR (25.4%; p = 0.03) and backward WSR (23.7%; p = 0.03). Conclusions: Backward WSR is not useful for discriminating between healthy older adults and older adults at high fall risk. The results imply that forward or backward walking speed rather than WSR might be a useful measure.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».