Feasibility and preliminary functional, physical, and psychosocial effects of high-intensity functional training for adults with mobility disabilities
Notice bibliographique
Résumé
PURPOSE: This study evaluated the feasibility and initial health effects on functional, physical, and psychosocial outcomes of a community-based, 12-week high-intensity functional training (HIFT) intervention for adults with mobility disabilities. DESIGN AND SAMPLE: A single-group, pre-post design with assessments at baseline and post-intervention. Twelve participants (75% female; 37-74 years) with mobility disabilities. INTERVENTION: Twelve-week, thrice-weekly community-based HIFT program. MEASURES: Feasibility was assessed via recruitment, retention, and adherence. The Canadian Occupational Performance Measure (COPM) evaluated self-report physical function, while physical health outcomes comprised fitness, strength, flexibility, and weight-related assessments. Psychosocial measures included quality of life (QOL), self-efficacy, and perceived barriers. Energy expenditure via portable indirect calorimetry and exit interviews captured participant experiences. ANALYSIS: Feasibility was reported as percentages; descriptive statistics and effect sizes were calculated for functional, physical, and psychosocial outcomes. Thematic analysis identified themes from transcriptions. RESULTS: Recruitment was 51%, retention was 83%, and attendance was 77.5%, with one adverse event. Cohen's d effect sizes indicated improvements in function (d = 0.93-1.04), fitness (d = 0.65-1.59), flexibility (d = 0.36-0.64), BMI (d = 0.32), QOL (d = 1.04), self-efficacy (d = 1.03), and barriers to health behavior (d = 0.48). Participants reported high satisfaction and community support following the intervention. Energy expenditure averaged 154.65 (65.5) kcals/session and 86.13 (42) kcals during exercise. CONCLUSION: A community-based HIFT program for individuals with mobility disabilities is feasible; however, the small sample size limits the ability to attribute changes to the intervention. CLINICALTRIALS: GOV: HIFT for People with Mobility-Related Disabilities (Research GO); NCT05516030.
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 | 0,005 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».