MétaCan
Menu
Retour à la cohorte
Enregistrement W4410354623 · doi:10.2196/65636

Frailty, Fitness, and Quality of Life Outcomes of a Healthy and Productive Aging Program (GrandMove) for Older Adults With Frailty or Prefrailty: Cluster Randomized Controlled Trial

2025· article· en· W4410354623 sur OpenAlexaffvenue
Jennifer Tang, Hao Luo, Michael Tse, Joseph Kwan, Angela Yee Man Leung, T. W. Wong, Terry Yat Sang Lum, Gloria Hoi Yan Wong

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialMedicineGerontologyPhysical therapyAerobic exerciseQuality of life (healthcare)PopulationPsychological interventionInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Exercise interventions can reverse frailty. However, their scalability and sustainability are limited by manpower, which is reducing due to population aging. GrandMove is a program that combines healthy and productive aging strategies to (1) train and employ robust older adults as exercise coaches and (2) improve fitness and motivate the adoption of an exercise habit in older adults with frailty and prefrailty. Objective: The aim of this study is to examine the effectiveness of GrandMove in improving frailty, fitness, and quality of life in older adults with frailty and prefrailty. Methods: This cluster randomized controlled trial recruited older adults with frailty and prefrailty (N=390) living in the community. The 18-month exercise program consisted of three 6-month phases of lifestyle education (E), resistance exercise (R), and aerobic exercise (A). Each group of participants was randomized into 3 intervention sequence arms: the E-R-A group, the A-R-E group, and the R-A-E group. Results: At 6, 12, and 18 months, 346, 305, and 264 participants completed the frailty assessment, respectively. At 6 months, 100 of 346 participants (28.9%) were robust. A-R-E and R-A-E were no better than E-R-A as the active control in addressing frailty over the first 6 months (A-R-E: interaction coefficient 0.07, 95% CI -0.35 to 0.49, P=.68; R-A-E: interaction coefficient -0.02, 95% CI -0.42 to 0.38, P=.90). Compared to lifestyle education, resistance training and aerobic training over the first 6 months were associated with greater improvement in fitness measures of grip strength for the left hand (A-R-E: interaction coefficient 2.99, 95% CI 0.76 to 5.23, P=.009; R-A-E: interaction coefficient 2.21, 95% CI 0.63 to 4.36, P=.04) and right hand (A-R-E: interaction coefficient 3.75, 95% CI 1.54 to 5.97, P=.001; R-A-E: interaction coefficient 2.29, 95% CI 0.16 to 4.42, P=.04) and arm curl test (A-R-E: interaction coefficient 1.42, 95% CI 0.39 to 2.46, P=.007; R-A-E: interaction coefficient 1.11, 95% CI 0.12 to 2.11, P=.03). The sequence of exercise interventions (R-A-E vs A-R-E) did not make a difference in primary outcomes at 12 months, but the R-A-E group showed better quality of life (interaction coefficient 4.50, 95% CI 0.12 to 8.88, P=.008). Improved frailty outcomes were maintained by the end of the study, but the change in overall physical activity level was limited. Conclusions: Combining healthy and productive aging strategies is a scalable and sustainable way to improve frailty, fitness, and quality of life in older adults with frailty and prefrailty. Different combinations of lifestyle education and physical interventions improved frailty.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,373
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetFrailty in Older AdultsTravaux en français237 207