Identifying Factors Associated with Lower Quarter Performance-Based Balance and Strength Tests: the Project Baseline Health Study
Notice bibliographique
Résumé
ABSTRACT Background Physical performance tests are predictive of mortality and have been proposed for screening for certain health conditions (e.g., sarcopenia); however, the diagnostic screening and prognostic value of physical performance tests has primarily been studied in age-limited or disease-specific cohorts. In this study, we sought to identify the most salient characteristics associated with three lower quarter balance and strength tests in a deeply phenotyped cohort of community-dwelling adults. Methods We applied a stacked elastic net approach on detailed data on sociodemographic, health and health-related behaviors, and biomarker data from the first visit of the Project Baseline Health Study (N=2502) to determine which variables were most associated with three physical performance measures: single-legged balance test (SLBT), sitting-rising test (SRT), and 30-second chair-stand test (30CST). Analyses were stratified by age (<65 and ≥65). Results Female sex, Black or African American race, lower educational attainment, and health conditions such as non-alcoholic fatty liver disease and cardiovascular conditions (e.g., hypertension) were consistently associated with worse performance across all three tests. Several other health conditions were associated with either better or worse test performance, depending on age group and test. C-reactive protein was the only laboratory value associated with performance across age and test groups with some consistency. Conclusions Our results highlighted previously identified and several novel salient factors associated with performance on the SLBT, SRT, and 30CST. Future research should discern and validate the value of these tests as affordable, noninvasive biomarkers of prevalent and/or future disease in the community.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».