Building Strong Foundations: Nonrandomized Interventional Study of a Novel, Digitally Delivered Fall Prevention Program for Older Adults
Notice bibliographique
Résumé
BACKGROUND: Injuries from falls are a major concern among older adults. Targeted exercise has been shown to improve fall risk, and recommendations for identifying and referring older adults for exercise-based interventions exist. However, even when very inexpensive or free, many do not use available fall prevention programs, citing barriers related to convenience and safety. These issues are even greater among older adults residing in rural areas where facilities are less abundant. These realities highlight the need for different approaches to reducing falls in novel ways that increase reach and are safe and effective. Web-based delivery of exercise interventions offers some exciting and enticing prospects. OBJECTIVE: Our objective was to assess the efficacy of the Strong Foundations exercise program to change markers of physical function, posture, balance, strength, and fall risk. METHODS: Strong Foundations is a once weekly (60 minutes), 12-week iterative program with 3 core components: postural alignment and control, balance and mobility, and muscular strength and power. We used a quasi-experimental design to determine changes in physical function specific to balance, postural control, and muscular strength among older adults at low or moderate risk of falling. RESULTS: A total of 55 low-risk and 37 moderate-risk participants were recruited. Participants significantly improved on the 30-second Chair Stand (mean change of 1, SD 3.3 repetitions; P=.006) and Timed Up and Go (mean change of 0.2, SD 0.7 seconds; P=.004), with the moderate-risk group generally improving to a greater degree than the low-risk group. Additionally, Short Physical Performance Battery performance improved significantly in the moderate-risk category (P=.02). The majority of postural measures showed statistically significant improvement for both groups (P<.05). Measures of "relaxed" posture showed improvements between 6% and 27%. When an "as tall as possible" posture was adopted, improvements were ~36%. CONCLUSIONS: In this 12-week, iterative, web-based program, we found older adults experienced improvement not only in measures used in clinical contexts, such as the 30-second Chair Stand and Timed Up and Go, but also contextualized gains by providing deeper phenotypical measurement related to posture, strength, and balance. Further, many of the physical improvements were attenuated by baseline fall risk level, with those with the highest level of risk having the greater gains, and, thus, the most benefit from such interventions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».