Low-Intensity Resistance Exercise with Blood Flow Restriction Improves Balance in Elderly Women: A Comparative Study on the Lower Quarter Y-Balance Test
Notice bibliographique
Résumé
Introduction: Enhancing leg muscle strength in elderly could play a crucial role in reducing fall risk. A novel approach to enhance muscular strength involves the use of low-intensity resistance exercises in conjunction with blood flow restriction (BFR), as an alternative to high-intensity exercise. This study aimed to evaluate the effects of low-intensity strength exercise with BFR on lower quarter Y-balance test (LQ-YBT) performance, compare to moderate-intensity strength exercise in elderly female.Methods: The study employed a true experimental randomized design, assessing balance using the LQ-YBT in 26 elderly women over a six-week exercise period. Subjects were divided into two groups: one performing medium-intensity strengthening exercises (≥40-60% 1 RM (Repetition Maximum)) and another engaging in low-intensity strengthening exercises (20-30%1RM) with BFR. The BFR technique involved applying a cuff to the upper third of the thigh with a restrictive pressure of 50 mmHg or 40% Artery Occlusion Pressure, which was released during rest periods.Results: The moderate and BFR groups exhibited notable distinctions in all directions (anterior, posterolateral, posteromedial and composite) for both left and right legs (p<0.001). The disparity in LQ-YBT values between groups was notable in the right anterior (p=0.017), right posterolateral (p<0.001), right composite (p<0.001), left anterior (p=0.007), and left composite (p=0.050) directions.Conclusions: This study showed that low-intensity resistance exercise with BFR for six weeks may yield superior improvements in the LQ-YBT for elderly women compared to moderate-intensity strengthening exercises
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».