MétaCan
Menu
Retour à la cohorte
Enregistrement W4391062890 · doi:10.37506/bq4npd39

Effect of Obstacle Training in Frailty among Geriatric Population

2024· article· en· W4391062890 sur OpenAlexaboutno aff
S. Pavithra, A. Kumaresan, Prathap Suganthirababu, Vignesh Srinivasan, Surya Vishnuram, Priyadharshini Priyadharshini, Jagatheesan Alagesan

Notice bibliographique

RevueIndian Journal of Physiotherapy and Occupational Therapy - An International Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTinetti testObstacleMedicinePopulationBalance (ability)Physical medicine and rehabilitationPhysical therapyGerontologyBerg Balance ScaleGeriatricsGaitCalisthenicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background: This study was developed to determine the effectiveness of obstacle training in frailty amonggeriatric population.Purpose: The purpose of the study is to evaluate the effectiveness of obstacle training in frailty among geriatricpopulation and to analyze the balance and gait analysis and number of falls.Method: A quasi experimental study was done in geriatric old age home with 30 samples by convenient samplingtechnique, allotted in a single group. In phase 1 the prevalence of frailty among Geriatric population will beexamined using the Edmonton frail scale. In phase 2 the Tinetti scale and morse fall scale were used as outcomemeasures.Results: According to the statistical analysis there is a clinically significant in groups, p value >o.oo1.Conclusion: We concluded that obstacle training has an improvement in reducing risk of frailty among geriatricage group population.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,028
Tête enseignante GPT0,381
Écart entre enseignants0,353 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndian Journal of Physiotherapy and Occupational Therapy - An International JournalMême sujetFrailty in Older AdultsTravaux en français237 207