The Relationship Between Physical Activity and Limited Range of Motion in the Older Bedridden Patients
Notice bibliographique
Résumé
Background The purpose of this study is to examine the association between physical activity and contracture in older patients confined to bed in long-term care (LTC) facilities. Methods Patients wore ActiGraph GT3X+ for 8 hours on their wrists, and vector magnitude (VM) counts were obtained as the amount of activity. The passive range of motion (ROM) of joints was measured. The severity of ROM restriction classi-fied, as the tertile value of the reference ROM of each joint, was scored 1–3 points. Spearman’s rank correlation coef-ficients (Rs) were used to measure the association between the VM counts per day and ROM restrictions. Results The sample comprised 128 patients with a mean (SD) age of 84.8 (8.8) years. The mean (SD) of VM was 84574.6 (115195.2) per day. ROM restriction was observed in most joints and movement directions. ROMs in all joints and move-ment directions, except wrist flexion and hip abduction, were significantly correlated with VM. Furthermore, the VM and ROM severity scores showed a significant negative correlation (Rs = -0.582, p < .0001). Conclusions A significant correlation between the physical activity and ROM restrictions indicates that a decrease in the amount of physical activity could be one of the causes of contracture.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».