The effect of exercise and soy protein intake on physical frailty score improvement in community-dwelling elderly: a randomized controlled trial
Notice bibliographique
Résumé
OBJECTIVE: This study examined the effects of combined exercise and nutrition interventions on physical frailty in community-dwelling older adults. MATERIALS AND METHODS: A randomized controlled trial was conducted with 84 participants (68 women; mean age of 75.5 ± 6.3 years). Participants were assigned to either an exercise-only group or a combined exercise and nutrition group. The 3-month intervention included weekly 1-h exercise sessions (10 sessions total). Outcomes assessed were walking speed, limb skeletal muscle mass index, trunk muscle mass, grip strength, weight loss, fatigue, exercise habits, general cognitive function (Montreal Cognitive Assessment Japanese version, MoCA-J), and biochemical blood test data. RESULTS: Among the 84 participants, 77 (39 exercise-only, 38 exercise + nutrition group) were analyzed. Pre-post comparisons showed a main effect of physical frailty for both groups: 0.82 ± 0.79 pre-post and 0.51 ± 0.68 pre-intervention vs. post-intervention for the exercise group, and 0.82 ± 0.69 pre-post and 0.50 ± 0.60 post-post for the exercise+nutrition group. Walking speed was 1.27 ± 0.21 m/s pre and 1.29 ± 0.21 m/s post in the exercise group and 1.18 ± 0.19 m/s pre and 1.27 ± 0.19 m/s post in the exercise + nutrition group, showing a main effect and interaction effect. Other measures showed significant effects on limb skeletal muscle mass, trunk muscle mass, grip strength, and trunk muscle mass in both groups. CONCLUSIONS: Exercise intervention, with or without nutritional supplementation, significantly reduced physical frailty in older adults. Combining exercise with soy protein intake may improve short-term motor function and physical 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».