Sitting time and physical activity after stroke: physical ability is only part of the story
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Understanding factors that influence the amount of time people with stroke spend sitting and being active is important to inform the development of targeted interventions. Objective: To explore the physicalcognitive, and psychosocial factors associated with daily sitting time and physical activity in people with stroke. Method: Secondary analysis of an observational study (n = 50, mean age 67.2 11.6 years, 33 men) of adults at least 6 months post-stroke. Activity monitor data were collected via a 7-day, continuous wear (24 hours/day) protocol. Sitting time [total, and prolonged (time in bouts of ≥ 30 minutes)] was measured with an activPAL3 activity monitor. A hip-worn Actigraph GT3X+ accelerometer was used to measure moderate-To-vigorousintensity physical activity (MVPA) time. Univariate analyses examined relationships of stroke severity (National Institutes of Health Stroke Scale), physical [walking speed, Stroke Impact Scale (SIS) physical domain score], cognitive (Montreal Cognitive Assessment), and psychosocial factors (living arrangement, SIS emotional domain score) with sitting time, prolonged sitting time, and MVPA. Results: Self-reported physical function and walking speed were negatively associated with total sitting time (r = - 0.354, P = 0.022 and r = - 0.361, P = 0.011, respectively) and prolonged sitting time (r = - 0.5, P = 0.001 and - 0.45, P = 0.001, respectively), and positively associated with MVPA (r = 0.469, P = 0.002 and 0.431, P = 0.003, respectively). Conclusions: Physical factors, such as walking ability, may influence sitting and activity time in people with stroke, yet much of the variance in daily sitting time remains unexplained. Large prospective studies are required to understand the drivers of activity and sitting time.
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.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,087 | 0,001 |
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.
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 découle