Gait Performance as an Indicator of Cognitive Deficit in Older People
Notice bibliographique
Résumé
Background: The purpose of this study was to analyze which gait variables are the best for detecting cognitive impairment and to determine if age and gender can influence gait variations in older people. Methods: 65 participants took part in this study (22 men and 43 women; age: 73.88 ± 9.56 years). We use the Montreal Cognitive Assessment (MoCA) to assess mild cognitive impairment (MCI). Gait speed (GS) and the complex gait test (CGT) were analyzed with photocells Witty (Microgate, Italia). The OptoGait system (Microgate, Italia) was used to analyze step length (SL) and step coefficient of variation (CV sl). Results: There was a significant association between MoCA and SL (r = 0.420; p = 0.002), CV sl (r = −0.591; p < 0.001), and CGT (r = −0.406; p = 0.001). Instrumental activities of daily living showed significant association with SL (r = 0.563; p < 0.001); CV sl (r = −0.762; p < 0.001), CGT (r = −0.622; p < 0.001), and GS (r = 0.418; p < 0.001). CV sl showed the best results with MoCA when linear regression analysis was applied (R2 = 0.560; p = 0.007; Y = 23.669 − 0.320x). Participants older than 79 years showed lower MoCA scores and poorer gait parameters than people younger than 79 years. Conclusions: CV sl, SL, CGT, and GS make it possible to detect MCI in older people, especially when these variables are evaluated as a whole.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».