MétaCan
Menu
Retour à la cohorte
Enregistrement W3207309483 · doi:10.1007/s12603-021-1688-1

Feasibility and Acceptability of Remote Physical Exercise Programs to Prevent Mobility Loss in Pre-Disabled Older Adults during Isolation Periods Such as the COVID-19 Pandemic

2021· article· en· W3207309483 sur OpenAlexafffund
Fanny Buckinx, Mylène Aubertin‐Leheudre, Raoul Daoust, S. Hegg, Dominic Martel, M. Martel-Thibault, Marie‐Josée Sirois

Notice bibliographique

RevueThe journal of nutrition health & aging · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensCentre hospitalier de l'Université LavalUniversité LavalUniversité de MontréalHôpital du Sacré-Cœur de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité du Québec à MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéRéseau québécois de recherche sur le vieillissement
Mots-clésPhoneCoronavirus disease 2019 (COVID-19)Web applicationMedicineIsolation (microbiology)Physical therapyGerontologyMultimediaWorld Wide WebComputer scienceDisease

Résumé

récupéré en direct d'OpenAlex

This study aimed to assess the feasibility and acceptability of remote physical exercise (PE) to prevent mobility loss among pre-disabled older adults during the COVID-19 lockdowns. Participants followed a 12-week PE remote program in Zoom© supervised groups (Web-Ex group, n=11) or phone-supervised individual booklet-based home-program (Booklet group, n=33). The total rate of adherence was 82.5% in the Web-Ex group and 85.8% in the Booklet group. The level of satisfaction was « a lot » for 60% of the participants in the Web-ex group and for 37.9% of those included in the Booklet group. Respectively 10% and 31% of the participants rated the difficulty as « low » in the web-ex and Booklet groups. Remote physical exercise using a web technology or booklets at home with regular and personalized follow-up during the lockdown was feasible and acceptable among pre-disabled seniors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,450
Écart entre enseignants0,391 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe journal of nutrition health & agingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207