MétaCan
Menu
Retour à la cohorte
Enregistrement W4312779257 · doi:10.2478/bhk-2022-0030

Effect of Indian folk-dance therapy on physical performances and quality of life in elderly

2022· article· en· W4312779257 sur OpenAlexaboutno aff
Siddharth Mishra, Shivani Shukla

Notice bibliographique

RevueBiomedical Human Kinetics · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDanceQuality of life (healthcare)Dance therapyMedicinePhysical therapyBalance (ability)CognitionBerg Balance ScaleGerontologyPsychiatryArt

Résumé

récupéré en direct d'OpenAlex

Abstract Study aim : To study the effect of Indian folk-dance therapy on physical performances and quality of life in elderly. Material and methods : Forty healthy seniors with age between 60–70 years were randomly allocated into two group; Group A: Indian folk-dance therapy and Group B: Conventional therapy. Both the groups received 60 minutes session, five sessions a week for six weeks. Results : Inter-group analysis showed significant improvements in Group A in Fullerton advanced balance scale (Z = –2.91, p < 0.01; Montreal cognitive assessment scale (T = 4.77, p < 0.01); single leg stance with eyes open (Z = –2.07, p = 0.03); eyes closed Z = –2.12, p = 0.03), 6 min walk distance (Z = –3.03, p < 0.01) and SF 36 (physical component) (T = 2.38, p = 0.02) and SF 36 (mental component) (T = 2.42, p = 0.02). Conclusion : Indian folk-dance therapy showed significant improvements in static and dynamic balance, reduced risk of fall, improved cognitive function, improved physical functioning and quality of life than conventional therapy among elderly individuals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,396
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,402
Écart entre enseignants0,363 · 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 tête enseignante, 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical Human KineticsMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207