Design characteristics and inclusion of evidence-based exercise recommendation in fall prevention community exercise programs for older adults in Canada: a national descriptive self-report study
Notice bibliographique
Résumé
Abstract Background Training balance through exercise is an effective strategy to reduce falls in community-dwelling older adults. Evidence-based fall prevention exercise recommendations have been proposed, specifying that exercise programs should: (1) provide a high challenge to balance, (2) be offered for a least three hours per week, (3) be provided on an ongoing basis. Community exercise programs have the potential to deliver effective fall prevention exercise; however, current design characteristics and whether they include the recommendations is not known. This study described design characteristics of fall prevention community exercise programs for older adults (50 years and older) across Canada, and explored whether these programs included the three evidence-based exercise recommendations. Methods Instructors of fall prevention community exercise programs completed electronic self-report questionnaires following a modified Dillman recruitment approach. Questions explored program characteristics, exercise content, target population, and program and instructor demographic information. Using a previously developed coding scheme based on recommendations, exercises were coded for balance challenge. Results One hundred fourty completed eligible questionnaires were analyzed (74% response rate). One hundred thirty-three programs (95%) included the challenge recommendation by prescribing mostly moderate or high challenge balance exercises, 16 programs (11%) included at least three hours of exercise a week, and 59 programs (42%) were offered on an ongoing basis. Eight programs (6%) included all three recommendations. Conclusions Most programs included at least one recommendation for effective fall prevention exercise. Future studies should examine organizational barriers and facilitators to incorporating evidence-based exercise recommendations and explore the use of mixed home/in-class strategies to include the recommendations.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».