Global Cognition, Gender, and Level of Education Predict Dual-Task Gait Speed Variability Metrics in Older Adults
Notice bibliographique
Résumé
INTRODUCTION: The purpose of this study was to determine if demographic variables and measures of cognitive function, functional mobility, self-reported balance self-efficacy, and self-reported physical activity can predict gait speed variability during single-task walking (STGSCV), during cognitive-motor dual-tasking (DTGSCV), and dual-task effect on gait speed variability (DTEGSCV) in older adults. METHODS: In 62 older adults, demographics were recorded and cognitive function (including the Montreal Cognitive Assessment, MoCA), functional mobility, balance self-efficacy (Activities-specific Balance Confidence Scale, ABC), and self-reported physical activity (Physical Activity Scale for the Elderly, PASE) were assessed. Three linear regression models were used to determine whether the functional mobility tests, PASE score, ABC score, and tests of cognitive function predicted gait speed variability outcomes (STGSCV, DTGSCV, DTEGSCV), with demographics included as covariates. RESULTS: MoCA score (p = 0.003), gender (p = 0.040), and years of education (p = 0.010) significantly predicted DTGSCV (R2 = 0.297, p = 0.002). MoCA score (p = 0.008) and years of education (p < 0.001) also significantly predicted DTEGSCV. Despite a significant regression model (R2 = 0.316, p = 0.001), there were no significant individual predictors of STGSCV. CONCLUSION: Older adults with lower cognitive function scores, according to the MoCA, and higher levels of education demonstrate larger gait speed variability during dual-tasking and may be at increased risk of real-world mobility issues or falling.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».