MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390191838 · doi:10.1002/alz.082985

Hearing loss moderates cognitive‐motor dual‐tasking before and after combined exercise and cognitive training in older adults with mild cognitive impairment: Findings from the SYNERGIC and COMPASS‐ND studies

2023· article· en· W4390191838 sur OpenAlexaffabout
Rachel Downey, Berkley Petersen, Niroshica Mohanathas, Jennifer L. Campos, Manuel Montero‐Odasso, Louis Bherer, M. Kathleen Pichora‐Fuller, Natalie A. Phillips, Karen Li

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensSimon Fraser UniversityConcordia UniversityWestern UniversityToronto Rehabilitation InstituteUniversity Health NetworkUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHearing lossAudiologyCognitionCognitive trainingPsychomotor learningVerbal fluency testPsychologyDementiaFluencyEffects of sleep deprivation on cognitive performanceCognitive declineGaitPhysical medicine and rehabilitationMedicineNeuropsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Age‐related hearing loss is associated with poor cognitive‐motor dual‐task performance and is a risk factor for dementia and mild cognitive impairment (MCI). Although different interventions have shown to improve dual‐task performance in older adults, it is currently unclear whether hearing ability affects training efficacy in individuals with MCI. Methods Secondary data analyses of 75 participants with MCI (Mage = 73.66 ± 6.67) who completed the Canadian Consortium on Neurodegeneration and Aging SYNERGIC and COMPASS‐ND studies. We investigated how hearing ability (normal hearing (n = 56), hearing loss (n = 19)) moderated the efficacy of a 20‐week intervention (combined exercise and cognitive training (n = 32), exercise training alone (n = 31), control (n = 12)) on single‐ and dual‐task working memory performance (serial one or seven subtractions, semantic fluency) and spatio‐temporal gait characteristics. Results At baseline, participants with hearing loss had slower gait speed and higher step time variability while concurrently completing the semantic fluency task, compared to participants with normal hearing. Participants with hearing loss also had higher accuracy on the semantic fluency and serial seven subtractions tasks while dual‐tasking, compared to participants with normal hearing. Single‐ and dual‐task gait speed increased significantly following combined exercise and cognitive training, with greater improvements observed in participants with hearing loss compared to those with normal hearing. However, older adults with hearing loss showed a significant decrease in dual‐task serial seven subtractions and semantic fluency following combined exercise and cognitive training. Conclusion These findings help clarify the relationship between hearing loss, cognition, and mobility in old age and inform training recommendations for persons with MCI based on hearing ability. Combined exercise and cognitive training appears to have increased attentional and physical resources, allowing participants with hearing loss to shift postural prioritization strategies while dual‐tasking from a posture‐second strategy to a posture‐first strategy. Thus, combined exercise and cognitive training may be particularly beneficial for older adults with both MCI and hearing loss, in order to improve safe walking behaviours while multi‐tasking and mitigate further decline.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,033
Tête enseignante GPT0,282
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetHearing Loss and Rehabilitation→Travaux en français237 207→