Effect of a home-based exercise program on subsequent falls among community-dwelling older adults with cognitive frailty: A sub-group analysis of a randomized controlled trial
Notice bibliographique
Résumé
OBJECTIVES: Cognitive frailty is characterized by concurrent physical frailty and mild cognitive impairment and is associated with increased risk of falls. Exercise is an evidence-based strategy to prevent falls, but whether exercise reduces falls in people with cognitive frailty is unknown. We examined the effects of home-based exercise on subsequent falls among community-dwelling older adults with cognitive frailty who have previously fallen. STUDY DESIGN: A sub-group analysis of a 12-month, single-blind, randomized controlled trial among 344 adults aged 70 years or more who had fallen within the past 12 months. Participants were randomized to either 12 months of home-based exercise (n=172) or usual care (n=172). In this sub-analysis, we included 192 participants with cognitive frailty (home-based exercise=93; usual care=99) with Short Physical Performance Battery scores ≤9/12 and Montreal Cognitive Assessment scores <26/30. MAIN OUTCOME MEASURES: Our primary analysis examined the effect of exercise on self-reported falls rate over 12 months. Secondary analyses investigated the intervention's effects on scores on the Short Physical Performance Battery and the Montreal Cognitive Assessment. We also explored whether greater than or equal to mean average monthly adherence (i.e., ≥45.5%) moderated treatment effects. RESULTS: At 12 months, falls rates were 35% lower in the home-based exercise group compared with the usual care group (IRR=0.65; p=0.042). Score on the Short Physical Performance Battery significantly improved among home-based exercise participants with greater than or equal to mean adherence vs. those with less than mean adherence (estimated mean difference: 0.94; p=0.022). CONCLUSIONS: Exercise is a promising strategy for reducing subsequent falls in people with cognitive frailty. Greater exercise adherence improved physical function in this population. CLINICALTRIALS: gov identifier: NCT01029171.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».