Exercise Habits in People with Parkinson's: A Multinational Survey
Notice bibliographique
Résumé
BACKGROUND: Exercise has been demonstrated to result in improvements in physical function, cognition, and quality of life in People with Parkinson's (PwP) but its adoption is variable. OBJECTIVES: To investigate exercise preferences, levels, influencing factors among a diverse Parkinson's disease (PD) population, to understand exercise adoption patterns and plan informed interventions. METHODS: A cross-sectional survey collected data through online platforms and paper-based methods. The Exercise Index (ExI) calculated exercise level based on frequency and duration. RESULTS: Of 2976 PwP, 40.6% exercised regularly, 38.3% occasionally, and 21.2% did not exercise. The overall mean ExI was 18.99 ± 12.37. Factors associated with high exercise levels included exercising in groups (ExI 24-26), weightlifting (ExI 27 (highest)), using muscle-building equipment (ExI 25-26), and exercising at home following an app (ExI 26). A positive trend between ExI and varied exercise groups, locations, types, and equipment was observed. No expected benefit from exercise achieved the lowest ExI (8). Having at least two exercise-promoting factors, a bachelor's degree or higher, receiving exercise advice at initial visits, and aged ≤40 years at PD onset were strong predictors of exercise (adjust OR = 7.814; 6.981; 4.170; 3.565). Falls and "other" most troublesome PD symptoms were negative predictors (aOR = 0.359; 0.466). Barriers to exercise did not predict the odds of exercise. CONCLUSIONS: The study shows that PwP's exercise behavior is influenced by their exercise belief, age at PD onset, doctor's advice at initial visits, education level, symptoms, and exercise-promoting factors. High exercise levels were associated with certain types of exercises and exercising in groups.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».