The Relationship Between Kinesiophobic Attitude and Frailty in Older People
Notice bibliographique
Résumé
AIM: To investigate the relationship between kinesiophobic attitudes and their causes and frailty in older people. METHODS: This descriptive, relationship-seeking study was conducted with 302 people aged over 65 years. The data were collected through face-to-face interviews between July and September 2023, using a personal information form, the Tampa Scale of Kinesiophobia, the Kinesiophobia Causes Scale (KCS) and the Edmonton Frail Scale (EFS). The data were analysed using Pearson's correlation test, linear regression and binary logistic regression. RESULTS: A total of 92.7% of older adults experienced high levels of kinesiophobia, while 80.5% presented various degrees of frailty. Most people's kinesiophobia is caused by psychological factors. There is a positive and significant correlation between kinesiophobia and frailty, as well as between the causes of kinesiophobia and frailty. The linear regression model showed that age, sex, physical activity, pain score, kinesiophobic attitudes and causes explained 52.1% of the variation in the EFS score. The binary logistic regression model, based on the frailty categorical variable (frail vs. non-frail), found that age, sex, physical activity, pain score and kinesiophobic attitudes accounted for 49.0% of the variation in the EFS score. CONCLUSIONS: Kinesiophobic attitudes and causes are important risk factors for frailty and can predict an individual's frailty state.
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 | 0,001 | 0,008 |
| 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 | 0,001 |
| 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 ».