Self-reported, performance-based and technologically-measured walking capacity in gait vulnerable populations: similarities and differences across age and disability levels
Notice bibliographique
Résumé
L'activité physique est un moyen de maintenir une bonne santé pour les personnes âgées et les personnes atteintes de maladies neurodégénératives telles que la maladie de Parkinson et la Sclérose en Plaques (SP). Les lignes directrices canadiennes en matière d'activité physique pour les personnes âgées recommandent au moins 150 minutes d'activité physique aérobique d'intensité modérée à vigoureuse par semaine, en périodes de 10 minutes ou plus. La marche est l'une des activités recommandées pour réaliser une activité physique d'intensité modérée. Deux aspects de la marche doivent être considérés : ce que la personne peut faire (capacité à la marche) et ce qu'elle fait (performance à la marche). Les informations sur la capacité à la marche sont obtenues en observant la performance dans un cadre clinique sur des tests tels que le test de marche de six minutes (6 MWT). L'information sur la performance à la marche est obtenue en demandant aux personnes concernées les activités qui leur limite et / ou à travers la surveillance de personnes dans leur vie de tous les jours à l'aide d'un accéléromètre. On ne sait pas comment ces sources d'information fournissent des informations concordantes ou discordantes chez les personnes âgées, les personnes atteintes de la maladie de Parkinson et de SP.L'objectif de cette thèse est de contribuer sur comment les différentes sources d'information sur la marche fournissent des informations convergentes ou divergentes sur la capacité de marche et la performance de marche chez les personnes ayant des problèmes de santé menant à une vulnérabilité à la marche. Les données pour ces quatre projets font parties d'analyses secondaires de données existantes et de la collecte de données primaires. Comme c'est le cas pour les thèses dans les Facultés de Médecine et de Sciences, la thèse est construite autour de manuscrits.Le premier manuscrit visait à estimer la mesure dans laquelle les différences de sexes/genres affectent la relation entre les tests de performance physique et les tests d'autoévaluations concernant le fonctionnement dans les activités de la vie quotidienne chez les personnes atteintes de SP. Le deuxième manuscrit visait à estimer, pour les personnes atteintes de SP, la mesure dans laquelle la capacité à la marche testée en laboratoire, en utilisant le 6MWT, est reproductible pendant 7 jours de surveillance en utilisant un accéléromètre et comment cette relation est influencée par l'âge, le sexe, la motivation, le plaisir de l'exercice et les obstacles à la participation. Le troisième manuscrit testait si la démarche chez les personnes âgées est modifiable à l'aide d'une technologie de rétroaction (capteur Heel2Toe). La rétroaction auditive a été fournie pour corriger la qualité des pas pendant la marche extérieure. Cet objectif a été atteint en utilisant une méthode de recherche pré-post avec 5 sessions de formation. Le quatrième manuscrit visait à établir la relation entre les indicateurs de la qualité des pas et la cadence chez les personnes âgées, les personnes atteintes de la maladie de Parkinson et de SP. Les données pour ce manuscrit proviennent du capteur Heel2Toe. L'objectif de ce manuscrit était d'estimer, chez les personnes âgées et les personnes atteintes de la maladie de Parkinson et de SP, la variation du rythme de marche du talon a l'orteil, la vitesse angulaire et le coefficient de variation de l'attaque du talon en utilisant la capteurHeel2toe. Cette thèse a souligné le manque de validité écologique parmi les tests de performance couramment utilisé (manuscrit 1), la divergence entre la capacité à la marche et la performance à la marche libre chez les personnes atteintes de SP (manuscrit 2), la démarche chez les personnes âgées montre une adaptions à la rétroaction auditive en utilisant le capteur Heel2Toe (manuscrit 3), et les paramètres de qualité de marche de la vitesse angulaire ne prédisent pas la cadence chez les personnes âgées.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».