Effects of group-based virtual reality training on activities of daily living and functional outcomes in older adults: a randomised control trial
Notice bibliographique
Résumé
Virtual reality training (VRT), a fun, inexpensive and accessible technology, has the potential to improve activities of daily living (ADL) and functional status in older adults. The potential impact of VRT can be increased through group-based training. The aim of this study was to investigate the effect of group- based VRT on ADL and functional outcomes in older adults over 65 years of age. Forty-three older adults included in the study were randomized into three groups (group- based VRT, individual VRT and control group). VRT was performed with Xbox 360 Kinect twice a week for 8 weeks. Each session lasted 45 min. Physical activity level, satisfaction level with physical activity, mood, mobility and balance performance, functional exercise capacity and ADL were evaluated. 36 people completed the study. A significant group × time interaction was found in Timed Up and Go test (TUG) (F [2, 57] = 8.60; η2= 0.004, P= <.001) and in Single Leg Stance Test (SLST)) (F [2, 57] = 5.69; η2= 8.509 × 10−4, P= <.007). After 8 weeks group- based VRT showed better scores in overall TUG (p < .001) and SLST (p= .015), whereas individual VRT and control group did not exhibit significant changes. Our results suggested that 8 weeks group- based VRT could improve mobility and balance performance in older adults.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».