Yoga an integrated mind body intervention for improvement in quality of life in individuals with Alzheimer’s disease and their caregivers
Notice bibliographique
Résumé
Background and objective: Alzheimer's disease (AD) presents profound challenges, significantly impairing quality of life (QOL) for patients and increasing the burden on caregivers. This study aims to investigate the effectiveness of a tailored 12-week yoga intervention in improving the quality of life for individuals with mild to moderate AD and reducing caregiver burden (CB). Methods: This is yoga interventional study with healthy controls enrolled 30 participants (18 males, 12 females) diagnosed with mild to moderate AD by an expert neurologist. Participants were aged 60 years or older and were recruited from an old age home. A 12-week yoga program, including specific postures (asanas), pranayama (breathing exercises), and meditation, was conducted for 1 hour daily, 6 days a week. Neurocognitive assessments were performed pre- and post-intervention using the Geriatric Depression Scale (GDS), Montreal Cognitive Assessment (MoCA), and Caregiver Burden (CB) Scale. MoCA scores were analyzed across specific domains, including language, memory, attention, visuospatial ability, delayed recall, abstraction, and orientation. Results: The intervention led to significant improvements in quality-of-life measures. GDS scores decreased from 8.36 ± 2.79 to 5.13 ± 3.07 (P < 0.01; 95% CI: -3.98 to -2.31), while MoCA total scores improved from 18.23 ± 4.90 to 21.10 ± 5.09 (P < 0.01; 95% CI: 2.17-3.89). Domain-specific MoCA scores also showed significant enhancements, particularly in language, attention, and delayed recall. Caregiver burden, measured using the CB Scale, demonstrated notable reductions following the intervention (P < 0.01; 95% CI: -2.54 to -1.23). Conclusion: This study underscores the significant improvements in depression and cognitive function, and overall quality of life in individuals with mild to moderate AD. Additionally, the intervention alleviated caregiver burden, highlighting its potential as an effective mind-body approach for AD management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».