Estudo descritivo sobre função cognitiva, atividade física, tempo sedentário e aptidão física em idosos
Bibliographic record
Abstract
Introdução: Com o envelhecimento populacional, é esperado um aumento na prevalência das doenças neurodegenerativas. O declínio cognitivo ligeiro (DCL) é um estado pré-demência e, dada a inexistência de tratamento eficaz, estratégias de prevenção de DCL são relevantes. A manutenção da aptidão física e da atividade física parecem ser fatores de proteção neurocognitiva, mas a evidência científica acerca desta problemática não é suficiente. Objetivo: Descrever os níveis de atividade física, comportamento sedentário e aptidão física de acordo a função cognitiva de idosos da comunidade. Métodos: Estudo observacional de natureza transversal com amostra não probabilística de 143 idosos (66% mulheres, média de idade: 74,70 ± 6,53 anos), recrutados em Centros Sociais, Universidades Séniores e Programas de Exercícios Físicos para idosos da região metropolitana do Porto. Foram recolhidas informações relativamente à função cognitiva [Montreal Cognitive Assessment (MoCA)], antropometria, aptidão física [Senior Fitness test (SFT) e preensão manual], atividade física e tempo sedentário (acelerometria). Os procedimentos estatísticos foram realizados através do programa R. Resultados: A prevalência da DCL foi de 52,8%. Idosos com DCL eram significativamente mais velhos do que os idosos com função cognitiva preservada (77,4 ± 6,7 versus 71,6 ± 4,8 anos, respetivamente; p<0,001). Comparativamente aos idosos com função cognitiva preservada, os idosos com DCL apresentavam valores piores para todos os indicadores de aptidão física (p<0,05) e despendiam menos tempo por dia em atividades de intensidade leve (208,4 ± 56,8 versus 180,5 ± 66,2 min/dia, respetivamente; p=0,007), como moderadas a vigorosas (42,8 ± 26,4 versus 21,1 ± 20,5 min/dia, respetivamente; p<0,001). Os grupos não foram diferentes relativamente ao tempo sentado (p>0,05). Conclusões: Na medida em que os idosos envelhecem, a prevalência de DCL aumenta. Idosos com DCL apresentam piores indicadores de atividade física e aptidão física, que podem ser combatidos através da implementação de programas de exercício físico.
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".