Geriatrie – Gezielte Bewegungen verbessern Kognition und Stimmung
Notice bibliographique
Résumé
Gezielte Bewegungen, welche die Muskulatur stärken und das Gleichgewicht verbessern, fördern die allgemeine Denkfähigkeit sowie die Stimmungslage von Senioren. Das erkannte ein interdisziplinäres Therapeutenteam aus Sydney, Australien, und Vancouver, Kanada. In einer Teilstudie zum Effekt von Übungen zur Sturzprophylaxe untersuchten die Forscher bestimmte kognitive Funktionen sowie einzelne Bereiche der Stimmungslage. 154 Bewohner verschiedener Altenheime nahmen daran teil – eingeteilt in drei Gruppen. 82 Senioren absolvierten über sechs Monate zweimal wöchentlich ein Programm mit gezielten Bewegungsübungen, weitere 34 Senioren eines zur Muskeldehnung und Entspannung. 38 Teilnehmer bildeten die Kontrollgruppe. In dieser Zeit untersuchten die Forscher mithilfe neuropsychologischer Tests das schlussfolgernde Denkvermögen, das visuelle, das verbale und das Arbeitsgedächtnis sowie die zentrale Exekutive – eine Hirnfunktion, die das Langzeitgedächtnis mit aktuellen Anforderungen verbindet. Anhand der Geriatric Depression Scale (GDS) und dem Positive and Negative Affect Schedule (PANAS) maßen sie außerdem deren Stimmungslage. Die Ergebnisse zeigen, dass Gruppenübungsprogramme das Denkvermögen verbessern und sich günstig auf die Stimmungslage von nicht pflegebedürftigen Bewohnern in Seniorenheimen auswirken können. sija Br J Sports Med 2009; 43: 608–614
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».