Sociodemographic Factors in Older Adults’ Gait Speed Decline: A Gender Disaggregate Growth Curve Analysis of the Ibadan Longitudinal Study of Ageing
Notice bibliographique
Résumé
Background Gait speed is an important predictor of older adults’ well-being. We estimated the influence of sociodemographic factors on the gait speed decline of community-dwelling older Nigerians. Methods Using the Ibadan Study of Ageing (2007, 2008, and 2009 cycles), we completed a gender disaggregate analysis of sociodemographic influences on participants’ gait speed trajectory using mixed-design ANOVA and growth curve analysis. Results At baseline, 53.2% of participants were female, 61.9% were married, with an average age of 75.5 ± 6.8 years and gait speed of 0.96 ± 0.32 m/s. Gender-specific models showed slower gait speed decline in men (β = −0.05, p < .001) compared to women (β = −0.09, p < .001). Widowhood (β = −0.07, p = .001) for women, high socioeconomic status (β = −0.01, p = .009) for men, and chronic disease burden for women (β = −0.02, p = .010) and men (β = −0.03, p = .008) were significant predictors of gait speed decline. Conclusion Addressing culture-related widowhood and women’s vulnerabilities, improving health coverage, and promoting lifestyle modifications may mitigate mobility decline among older Nigerians.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».