Age- and Sex-Based Differences in Gait Pattern Characteristics Among Adults Over 50: A Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: Walking is essential for maintaining functional independence, and understanding gait changes due to aging is crucial, as chronic conditions often overlap with normal aging. The objective of this study was to describe gait characteristics in adults aged 50 and over and to identify differences between age groups and between sexes. METHODS: The study included 34 adults aged 50-59, 38 adults aged 60-69, and 28 adults aged 70+ years. Participant characteristics (age, sex, height, weight, and comorbidities) were collected. Participants walked a 30-m round trip at a self-selected pace. Gait was measured using inertial measurement units. RESULTS: Results showed that stride length, stride velocity, push-off ratio, and minimal toe clearance decreased with age (p < .03) and flat-foot ratio increased with age (p < .01), while cadence, walking phases (stance, swing, double support, and loading ratio), and maximal heel clearance were similar across age groups (p > .05). Males had a lower cadence, a longer stride, and a higher maximal heel clearance than females (p < .04). Stride velocity and minimal toe clearance were similar between sexes (p > .05). CONCLUSIONS: This study found that stride length and velocity decrease with age, and notable sex differences exist in stride length and maximal heel clearance. These findings underscore the importance of considering both age and sex when assessing walking and functional capacity in older adults. Significance/Implications: Aging impacts gait, and inertial measurement units offer a valuable tool to examine how age and sex affect walking. This is an initial step toward a deeper understanding of gait characteristics in older adults.
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 | 0,000 | 0,000 |
| 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 ».