Leisure Sedentary Time is Associated with Self-Reported Falls in Middle-aged and Older Females and Males: an Analysis of the CLSA
Notice bibliographique
Résumé
Aim: The purpose of this analysis was to report the prevalence of falls and falls-related injuries among those reporting different volumes of weekly sedentary time, and to understand the association of sedentary time and falls, accounting for functional fitness. Methods: Baseline and first follow-up data from the Canadian Longitudinal Study on Aging (CSLA) were analyzed (n=22,942). Participants self-reported whether they had a fall in the past 12 months (at baseline) and whether they had an injury that was a result of a fall (follow-up). In-home interviews collected self-reported leisure sedentary time using the Physical Activity Scale for Elderly. Functional fitness was assessed using grip strength, timed-up-and-go, and chair rise tests during clinic visits. Results: The prevalence of falls was higher among those who reported higher sedentary time. For example, among males aged 65 and older who reported lower sedentary time (<1,080 min/week), the prevalence of falls in the past 12 months (at baseline) was 7.8% compared to 9.8% in those reporting higher sedentary time. The odds of reporting a fall (at baseline) was 21% higher in those who reported higher sedentary time (OR: 1.21; 95%CI: 1.11-1.33) in adjusted models. No associations were found between sedentary time and injuries due to a fall. Conclusions: Reporting high volumes of sedentary time may increase the risk of falls. Future research using device-based estimates of total sedentary time and breaks in sedentary time is needed to further elucidate this association.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».