MétaCan
Menu
← Retour à la cohorte
Enregistrement W7116987190 · doi:10.1002/alz70861_108823

Resistance exercise improves working memory, but not set shifting in older adults at risk for diabetes

2025· article· en· W7116987190 sur OpenAlexaffabout
Olivia R. Ghosh‐Swaby, Jennifer Hanna Al‐Shaikh, Jane S Thornton, Ali R. Khan, Daniel Palmer, Paul A. S. Sheppard, Joyla A. Furlano, Teresa Liu‐Ambrose, Timothy J. Bussey, Lisa M Saksida, Lindsay S. Nagamatsu

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensRobarts Clinical TrialsVancouver Coastal HealthUniversity of British ColumbiaQueen's UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésResistance trainingCognitionIntervention (counseling)Diabetes mellitusSet (abstract data type)Cognitive trainingType 2 diabetesCognitive decline

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older adults at risk for type 2 diabetes (T2D) experience cognitive decline and brain health abnormalities, highlighting the need for early interventions. Resistance exercise training (RT) holds promise as a strategy to improve executive function, mitigate T2D risk factors, and support neuroplasticity, especially in aging. This study evaluated the effects of a 6-month RT intervention compared to balance-and-tone (BAT; active control) exercise on cognitive outcomes, particularly set shifting, physiological measures, and biomarkers in older adults at risk for T2D. METHODS: Sixty community-dwelling adults (aged 60-80 years) with risk factors for diabetes (body mass index ≥25, fasting glucose 6.1-7.0 mmol/L, or CANRISK score ≥21) were randomized to twice-weekly RT or BAT classes. Primary outcomes included set-shifting performance and cognitive flexibility (Trail Making Test [TMT] Part B; TMT-B minus TMT-A). Secondary outcomes encompassed working memory (Digit Span Backward), global cognitive scores (Montreal Cognitive Assessment (MoCA), Alzheimer's Disease Assessment Scale [ADAS-Cog-11]) and associative learning using a novel Bussey-Saksida touchscreen cognitive task nearly identical to its rodent version. Additionally, Measures of mobility, fitness, glycemic control, and biomarkers were examined (brain derived neurotrophic factor, BDNF, insulin growth factor-1, IGF-1). An ANCOVA and repeated measures ANOVA was used to assess intervention effects on outcomes at endpoint and over time, respectively, with baseline performance and adherence as covariates (p <0.050 significant). RESULTS: RT improved working memory (Digit Span Backward; p = 0.024) compared to BAT at endpoint, with a trend toward enhanced cognitive flexibility over time (TMT-B minus TMT-A; p = 0.049). No significant differences were observed in global cognitive scores (MoCA, ADAS-Cog-11). Bussey-Saksida touchscreen tasks were adapted and validated for human use. Participants showed low accuracy on paired associative learning (54-64% ± 4% accuracy), irrespective of training group. RT improved lower body strength over time (p =0.036), with no changes in glycemic levels. IGF-1 levels decreased in the RT group (p = 0.037), with no changes in BDNF. CONCLUSIONS: Resistance exercise training offers targeted cognitive benefits in older adults at risk for diabetes, suggesting its potential as an intervention to address both T2D risk factors and cognitive decline. Further studies should explore long-term impacts on brain structure and function.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,294
Écart entre enseignants0,276 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→