Impact Of A Walk With A Future Doc Program On Participant Frailty Levels
Notice bibliographique
Résumé
Frailty reflects the accumulation of health deficits across multiple health domains (e.g., mobility, cognition, vision, etc.) that increases the vulnerability to further adverse health outcomes, including morbidity and mortality. Community walking programs provide an opportunity for individuals to be physically active and may improve frailty levels. PURPOSE: Determine the impact of a student-doctor-led walking program on participant frailty. METHODS: From 2022-2023, we implemented a Walk with a Future Doc program that comprised a weekly walk and education session led by medical students. The group met for one hour/week for to 12 weeks. All participants completed the Canadian Longitudinal Study on Aging Frailty Index (FI) questionnaire before and after the program. The FI included 65 self-reported health items that covered basic activities of daily living, instrumental activities of daily living, mobility, mood, and chronic health conditions. FI was determined as the number of deficits present ÷ deficits measured. We ran a two-way group (Non-Frail: FI <0.10 vs. Very-Mild+ Frail: FI ≥ 0.10) repeated measures analysis of variance with Bonferroni post-hoc testing to compare pre- and post-frailty indexes. RESULTS: Seventy-two participants completed the program and were primarily aged 61-70 years and female (~67%). Prior to starting the program, 49/72 were non-frail (FI <0.10) and 23/72 had a FI ≥0.10. We observed a group βψ time interaction (p = 0.01), with the Non-Frail group being unchanged (0.053 ± 0.029 to 0.059 ± 0.029; p = 0.14), but the Very-Mild+ Frail group reducing their frailty level from 0.169 ± 0.079 to 0.156 ± 0.071 (p = 0.02). CONCLUSIONS: A community-based walking program incorporating education and medical students was effective for reducing frailty levels, particularly among older adults with FIs ≥0.10, supporting the effectiveness of movement for improving the health of people with health deficits.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».