Dual-task walking speed in older people with cognitive decline
Bibliographic record
Abstract
Cíl: Cílem studie bylo analyzovat efekt různých podmínek dvojího úkolu na rychlost chůze u starších dospělých s kognitivním poklesem a porovnat s kontrolní skupinou kognitivně intaktních jedinců. Soubor a metodika: Celkem bylo do průřezové studie zařazeno 50 účastníků (25 probandů s kognitivním poklesem dle Montreal Cognitive Assessment [MoCA] ≤ 25 v průměrném věku 69,6 ± 9,4 let; 25 kognitivně intaktních probandů s MoCA ≥ 26 v průměrném věku 59,5 ± 7,0 let). Pro analýzu vlivu obtížnosti jednotlivých úkolů s největším projevem interference byl vypočítán efekt dvojího úkolu (dual-task effect; DTE) na rychlost chůze v šesti podmínkách náhodného pořadí. Byl hodnocen za komfortní a maximální rychlosti chůze v kombinaci s vizuálně-verbálním Stroopovým testem a motorickým úkolem. Výsledky: Náklady dvojího úkolu (negativní DTE) během 10minutového testu chůze (10MWT) v kombinaci s vizuálně-verbálním Stroopovým testem s prioritizací na maximální rychlost chůze byly dle Wilcoxonova párového testu u skupiny starších jedinců s kognitivním poklesem statisticky významně vyšší (p < 0,001) než zpomalení na základě motorického úkolu při komfortní a maximální rychlosti. Dle Mann-Whitneyho testu bylo také prokázáno, že náklady na dvojí úkol při maximální rychlosti chůze během kognitivního úkolu jsou u starších jedinců s kognitivním poklesem významně vyšší (p = 0,017). Závěr: Zvýšené interferenční účinky spojené se snížením rychlosti chůze nejvíce vykazovala situace v kombinaci kognitivně-motorické zátěže za účinků rozdělené pozornosti. Může tak poskytnout nový směr v detekci starších dospělých s vysokým rizikem demence pro potencionální klinické využití.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".