Integrating Cognitive and Motor Dual-task Training to Prevent Fall Risk Among Community-dwelling Elderly in Thailand: A Randomized Controlled Study
Notice bibliographique
Résumé
OBJECTIVES: Falls are a leading cause of morbidity and mortality among older adults, often resulting in severe injuries and a loss of independence. Dual-task training, which integrates cognitive and motor exercises, has emerged as a promising intervention for fall prevention. This study aimed to evaluate the effects of a structured cognitive and motor dual-task training program on fall risk, balance, and cognitive function in community-dwelling older adults. METHODS: Seventy-two participants aged 60 years or older were randomly assigned to either an intervention group (IG, n=36) or a control group (CG, n=36). The IG underwent 3 sessions per week for 8 weeks (totaling 24 sessions) that incorporated simultaneous cognitive and motor exercises, while the CG continued their usual total body stretching exercise. Assessments were conducted at baseline, week 4, and week 8, and included gait speed (10-meter walk test), functional performance (Timed Up and Go test), cognitive function (Montreal Cognitive Assessment), and quality of life (World Health Organization Quality of Life Assessment). RESULTS: Participants in the IG demonstrated significant improvements in functional performance (p<0.05) and enhanced cognitive function compared to the CG after both 4 weeks and 8 weeks of training. Functional performance and cognitive function significantly improved after 8 weeks of training (p<0.01). However, the intervention did not produce changes in gait speed or quality of life. CONCLUSIONS: Integrating cognitive and motor dual-task training into fall prevention programs may enhance functional stability and cognitive resilience in older adults. Future studies should investigate long-term adherence and determine the optimal training intensity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».