MétaCan
Menu
Retour à la cohorte
Enregistrement W4389892652 · doi:10.1249/esm.0000000000000019

The Principles of Exercise Prescription for Brain Health in Aging

2023· article· en· W4389892652 sur OpenAlexaff
Jennifer J. Heisz, Emma E. Waddington

Notice bibliographique

RevueExercise Sport and Movement · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDementiaMedical prescriptionExercise prescriptionMedicineDiseasePsychological interventionIntervention (counseling)GerontologyPopulation ageingPhysical medicine and rehabilitationCognitionPhysical therapyAlzheimer's diseasePopulationPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Alzheimer’s disease and related dementias are among the world’s greatest health challenges. As the population ages, global dementia rates are rising, and with no imminent cure, there is an urgent need for interventions that reduce the risk of dementia in healthy older adults. Exercise is a promising intervention; however, exercise prescriptions for optimizing brain health are lacking. This may undermine the perceived clinical utility of exercise and pose a barrier that prevents practitioners from prescribing exercise for brain health in primary care settings. This graphical review briefly summarizes the prominent neural changes in healthy aging versus Alzheimer’s disease that exercise counteracts and provides evidence-informed principles for prescribing exercise to improve cognition as a reference point for formulating personalizable prescriptions.

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 enseignants0,407
Score d'incertitude au seuil0,186

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 Opus0,022
Tête enseignante GPT0,302
Écart entre enseignants0,280 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExercise Sport and MovementMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207