Age‐related differences in agility are related to both muscle strength and corticospinal tract function
Notice bibliographique
Résumé
Abstract Agility is essential for “healthy” aging, but neuromuscular contributions to age‐related differences in agility are not entirely understood. We recruited healthy ( n = 32) non‐athletes (30–84 years) to determine: (1) if aging is associated with agility and (2) whether muscle strength or corticospinal tract function predicts agility. We assessed muscle strength via a validated knee extension test, corticospinal tract function via transcranial magnetic stimulation, and agility via spatiotemporal values (i.e., leg length‐adjusted hop length and hop length variability) collected during a novel propulsive bipedal hopping (agility) task on an electronic walkway. Pearson correlation revealed aging is associated with leg length‐adjusted hop length ( r = −0.671, p < 0.001) and hop length variability ( r = 0.423, p = 0.016). Further, leg length‐adjusted hop length and hop length variability correlated with quadriceps strength ( r = 0.581, p < 0.001; r = −0.364, p = 0.048) and corticospinal tract function ( r = −0.384, p = 0.039; r = 0.478, p = 0.007). However, hierarchical regressions indicated that, when controlling for sex, muscle strength only predicts leg length‐adjusted hop length ( R 2 = 0.345, p = 0.002), whereas corticospinal tract function only predicts hop length variability ( R 2 = 0.239, p = 0.014). Therefore, weaker quadriceps decrease the distance hopped, and deteriorating corticospinal tract function increases variability in hop length.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».