The Effects of Combined Cognitive and Physical Interventions on EEG Spectral Power in Elderly Individuals With Cognitive Decline
Notice bibliographique
Résumé
Background and Purpose: Cognitive decline in the elderly, including conditions like subjective cognitive decline, mild cognitive impairment, and Alzheimer's disease, poses significant challenges to public health, adversely affecting quality of life and increasing healthcare costs.This study evaluated the effects of a 12-week cognitive and physical intervention on cognitive function and electroencephalography (EEG) spectral power in elderly participants.Methods: Sixty-six participants aged 60-85 years were recruited, with a subset of 16 undergoing EEG assessments before and after the intervention.The program combined cognitive training with physical exercises designed to enhance memory, attention, executive function, and physical fitness.EEG data were analyzed for changes in spectral power across various frequency bands.Results: While no significant improvements were observed in cognitive tests (Korean Mini-Mental State Examination [K-MMSE], Korean Montreal Cognitive Assessment [K-MoCA]), exercise capacity (Five Times Sit-to-Stand Test) significantly improved.EEG analysis revealed an increase in delta power at the O1 and O2 channels and a decrease in alpha power at several brain regions, including F7, Fz, F4, Pz, and O2.Also, the delta activity in O1 and the alpha activity in Pz showed correlations with K-MMSE and K-MoCA, respectively.Conclusions: The 12-week intervention led to significant changes in EEG spectral power, specifically an increase in delta power and a decrease in alpha power.These findings suggest that combined cognitive and physical interventions may enhance brain function in elderly individuals with cognitive decline.Further research is needed to confirm these findings and explore their clinical implications.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».