MétaCan
Menu
Retour à la cohorte
Enregistrement W6962352450 · doi:10.17605/osf.io/rbjnc

Effect of exercise training on muscle strength and fitness in older women and men

2024· other· en· W6962352450 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2024
Typeother
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaResistance trainingStrength trainingMuscle strengthFunctional trainingMuscle massAerobic exerciseTraining (meteorology)Activities of daily living

Résumé

récupéré en direct d'OpenAlex

Aging is characterized by progressive muscle mass and strength loss, commonly called sarcopenia. Sarcopenia may lead to the development of mobility limitations, increased risk of falls, and, ultimately, frailty. Periods of disuse, such as hospital stays, injury, or illness, can accelerate the onset of sarcopenia and increase the risk for disability. Evidence suggests that participating in physical activity, namely resistance training and aerobic exercise, can help to mitigate the risks of sarcopenia and maintain physical function and mobility as individuals age. Cognizant of the beneficial effects of exercise on muscle health, the Canadian Society for Exercise Physiology encourages older adults to participate in 150 minutes of moderate-vigorous aerobic exercise and perform resistance training at least 2 days/week. Older adults regularly participating in resistance training will be protected against developing sarcopenia-induced functional declines. However, many older adults are currently not resistance training or meeting the 24-hour movement guidelines proposed by the Canadian Society for Exercise Physiology (CSEP). A key reason for older adults not being physically active is that many traditional training programs are not sustainable for older adults and do not have lasting effects. Older adults also experience several barriers to executing resistance training, such as costs, access to equipment, fear of injury and low self-efficacy. Recent studies show that performing resistance training with elastic bands (increase in size and resistance based on their colours) and/or one’s own body weight effectively improve muscle strength, physical capacity, and activities of daily living in older adults in supervised clinical settings such as long-term care facilities and patients with sarcopenic obesity. Therefore, a new resistance training program that is accessible and helps to improve or maintain muscle strength, size and physical function in older adults is needed. We propose using resistance bands to improve the sustainability of a resistance training program for healthy older adults. Therefore, the primary objective of the study will be to determine the effectiveness of a 6-week supervised exercise training program that is in accordance with the Canadian physical activity guidelines (consisting of 3 days/week of aerobic exercise training and 2 days/week of bodyweight and elastic band-based resistance exercise training), on muscle mass, skeletal muscle anabolic signaling, strength, physical function, and cognitive function, in healthy older adults. A secondary objective of the study will be to recruit healthy young adults as a comparator for aforementioned outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,055
Tête enseignante GPT0,400
Écart entre enseignants0,345 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkMême sujetScientific Computing and Data ManagementTravaux en français237 207