Effects of a 12-week online Tai Chi intervention on gait and postural stability in individuals with Parkinson’s disease
Notice bibliographique
Résumé
Parkinson's disease (PD) affects gait and postural stability. Tai Chi (TC) is recommended for PD for management of the condition, however biomechanical understanding to its effects on gait and postural stability is limited. This study aimed to examine the effects of an online 12-week biomechanical-based TC intervention on gait and posture in people with PD. Fifteen individuals in early-stage PD were recruited (Hoehn & Yahr stages 1–2). The TC intervention program was 60 min session, three times weekly for 12 weeks. The pre- and post-intervention test in obstacle crossing, timed-up-and-go (TUG) test, and single leg standing (SLS) with eyes open (EO) and closed (EC) were conducted. Gait speed, crossing stride length, clearance height of the heel and toe, anterior-posterior (AP) and medial-lateral (ML) displacement and velocity of the center of mass (COM) and separation of the COM-center of pressure (COP) were analyzed. The participants significantly improved their pre-vs. post-TC intervention performance on TUG test (p = 0.002). During obstacle crossing, the participants significantly increased crossing stride length of the trailing foot, increased AP COM displacement and decreased ML COM-COP separation (p < 0.05); the maximal dorsiflexion angle of the leading limb significantly increased and maximal plantarflexion angle of the trailing limb significantly decreased (p < 0.05). A 12-week biomechanical-based online TC training was effective towards improvement of gait and postural stability among people in the early-stage of PD. The TC program and online training could be applied for management of PD.
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 | 0,003 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».