Sweat the Fall Stuff: Physical Activity Moderates the Association of White Matter Hyperintensities With Falls Risk in Older Adults
Notice bibliographique
Résumé
Background: Falls in older adults are a major public health problem. White matter hyperintensities (WMHs) are highly prevalent in older adults and are a risk factor for falls. In the absence of a cure for WMHs, identifying potential strategies to counteract the risk of WMHs on falls are of great importance. Physical activity (PA) is a promising countermeasure to reduce both WMHs and falls risk. However, no study has yet investigated whether PA attenuates the association of WMHs with falls risk. We hypothesized that PA moderates the association between WMHs and falls risk. Methods: Seventy-six community-dwelling older adults aged 70–80 years old were included in this cross-sectional study. We indexed PA using the Physical Activity Score for the Elderly (PASE) Questionnaire. Falls risk was assessed using the Physiological Profile Assessment (PPA), and WMH volume (mm3) was determined by an experienced radiologist on T2-weighted and PD-weighted MRI scans. We first examined the independent associations of WMH volume and PASE score with PPA. Subsequently, we examined whether PASE moderated the relationship between WMH volume and PPA. We plotted simple slopes to interpret the interaction effects. Age, sex, and Montreal Cognitive Assessment (MoCA) score were included as covariates in all models. Results: Participants had a mean age of 74 years (SD = 3 years) and 54 (74%) were female. Forty-nine participants (66%) had a Fazekas score of 1, 19 (26%) had a score of 2, and 6 (8%) a score of 3. Both PASE (β = −0.26 ± 0.11; p = 0.022) and WMH volume (β = 0.23 ± 0.11; p = 0.043) were each independently associated with PPA score. The interaction model indicated that PASE score moderated the association between WMH volume and PPA (β = −0.27 ± 0.12; p = 0.030), whereby higher PASE score attenuated the association between WMHs and falls risk. Conclusion: PA is an important moderator of falls risk. Importantly, older adults with WMH can reduce their risk of falls by increasing their PA.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».