MétaCan
Menu
Retour à la cohorte
Enregistrement W4415779482 · doi:10.2196/75835

Daily-Life Walking Characteristics of Older Adults in Relation to Age, Sex, and Physical Function: the HUNT4 Trondheim 70+ Observational Study

2025· article· en· W4415779482 sur OpenAlexvenueno aff
Karoline Blix Grønvik, Anisoara Paraschiv-Ionescu, Gro Gujord Tangen, Øyvind Salvesen, Jorunn L. Helbostad, Nina Skjæret-Maroni, Beatrix Vereijken

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensnon disponible
Organismes subventionnairesNorwegian Institute of Public HealthFaculty of Medicine and Health, University of SydneyHelse Midt-NorgeNorges Teknisk-Naturvitenskapelige Universitet
Mots-clésObservational studyRelation (database)Physical activityActivities of daily livingAge groups

Résumé

récupéré en direct d'OpenAlex

Background: Knowledge about how older adults walk is crucial for the effective prevention and treatment of various mobility issues as well as treatment evaluation, but it is currently largely limited to laboratory-based measurements. Although laboratory-based data provide relevant information about what older adults can do under standardized conditions, they do not provide insight into how they actually walk in their daily life, a gap that needs to be addressed urgently. Objective: The objective of this study was to describe how older adults walk in daily life, in relation to age, sex, and level of physical function, using wearable sensor data from a large sample of older adults with a wide range of age and function from the HUNT4 Trondheim 70+ study. Methods: The current study is based on 1-week accelerometer data (Axivity AX3) from 1289 older adults (mean age 77.41, SD 6.06 years; age range 70-105 years; n=705, 54.7% women). Physical function was assessed using the Short Physical Performance Battery (SPPB). To investigate the effect of age and SPPB score on gait metrics (daily number of steps, 95th percentile speed, mode speed, 95th percentile cadence, mode cadence, and maximum walking bout [WB] distance) for women and men, univariate gamma regression models with log link were used for each outcome measure, with age and SPPB score in separate models. Sex differences were investigated using Mann-Whitney U tests. Results: Older adults showed a large variation in how and how much they walked in daily life across age, sex, and physical function, particularly younger participants and those with better physical function. Most gait metrics decreased at an increasing rate with higher age, with men maintaining their levels up to higher ages than women. Poorer physical function led to an exponential or close-to-linear decrease in all gait metrics apart from habitual cadence, which remained stable up to a high age. Women had a lower daily number of steps, gait speed, and maximum distance but higher cadence than men (P<.001 for all). On average, 63% of all WBs lasted <10 seconds, corresponding to a median accumulated time of 99 (IQR 66-128) minutes. For WBs lasting 10 to 30 seconds, 30 to 60 seconds, and >60 seconds, the median accumulated time was 105 (IQR 65-154) minutes, 31 (IQR 18-47) minutes, and 113 (IQR 37-219) minutes, respectively. Conclusions: Daily-life walking performance was affected more by functional ability than by age itself, except for the highest ages, and differed significantly between sexes. Although most WBs were very short, the total accumulated walking time in WBs shorter than 30 seconds was longer than that in longer WBs. Future research can build upon our findings by considering both the impact of short WBs and relevant group and sex differences when implementing daily-life mobility assessment in both clinical studies and patient follow-up.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,040
Tête enseignante GPT0,372
Écart entre enseignants0,332 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207