The Effect of Aerobic or Strength Training in Elderly with Cognitive Decline: The Fit4Alz Project
Notice bibliographique
Résumé
This study aimed to examine the effects of aerobic and strength training methodologies, either combined with or without cognitive training, on mitigating cognitive decline. A total of 154 subjects were recruited (72.8 ± 6.1 years, 69% females) and were divided into four groups: i) strength plus cognitive training (STCT, n = 56); ii) strength training (ST, n = 23); iii) aerobic training (AT, n = 41); and iv) aerobic plus cognitive training (ATCT, n = 34). Subjects were previously cognitively assessed and showed cognitive decline (less than 26 points on the Montreal Cognitive Assessment, MoCA). For 12 weeks, all groups performed 3 times a week, for 60 minutes, a training program corresponding to their attributed group. The MoCA test and the Senior Fitness test were applied at the beginning and the end of the intervention. A repeated-measures ANCOVA revealed significant time-by-group interactions for physical performance measures, including the 2-minute step-in-place (p = 0.026), arm curl (p < 0.001), chair sit-and-reach (p < 0.001), back-scratch (p < 0.001), 8-foot up-and-go (p < 0.001), and 6-minute walk tests (p < 0.001). However, no significant improvements were observed for cognitive function (MoCA, p = 0.242) or lower body strength (chair stand, p = 0.411). The AT group showed greater improvements in upper body strength compared to STCT and ST (p < 0.001; d = 0.698; p = 0.004; d = 0.598), while STCT significantly improved flexibility compared to ATCT (p < 0.001; d = 1.049). ATCT had the greatest improvements in aerobic endurance compared to STCT and ST (p = 0.004; d = 0.133; p < 0.001; d = 0.350). It was demonstrated that aerobic and strength training significantly improved overall physical performance in elderly individuals. However, no significant effects were observed on cognitive performance. Although these findings suggest that both aerobic and strength exercise, with or without cognitive training, improve overall physical fitness, further research is needed to determine its impact on cognitive performance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».