Näöntarkkuuden yhteys käden puristusvoimaan iäkkäillä naisilla
Bibliographic record
Abstract
Epidemiologisissa tutkimuksissa käden puristusvoima on validi lihasvoiman mittari ja ennustaa iäkkäiden ihmisten toimintakykyä. Heikompi puristusvoima on iäkkäillä yhteydessä heikompaan toimintakykyyn. Myös näöntarkkuuden aleneminen voi heikentää toimintakykyä. Näöntarkkuuden ja käden puristusvoiman yhteydestä löytyi vain vähän tutkimuksia. Heikommin näkevien vähäisempi fyysinen aktiviisuus saattaa selittää yhteyttä näöntarkkuuden ja puristusvoiman välillä. Tutkimuksen tarkoituksena oli selvittää, onko näöntarkkuuden ja käden puristusvoiman välillä yhteyttä iäkkäillä naisilla, ja välittääkö fyysinen aktiivisuus yhteyttä. Lisäksi tutkittiin, onko puristusvoimassa kolmen vuoden seurannan aikana eroja normaalisti näkevien ja heikommin näkevien välillä. Tutkimus on osa Finnish Twin Study on Aging (FITSA) -tutkimusta, joka tutkii geneettisten ja ympäristötekijöiden merkitystä toiminnanvajauksien synnyssä. Tutkimukseen osallistui 434 hyväkuntoista 63–76 vuotiasta naiskaksosta. Puristusvoimaa mitattiin dynamometrilla tutkimuksen alussa vuosina 2000–2001 sekä seurantakerralla 2003–2004. Mittaus suoritettiin 3–5 kertaa, joista ilmoitettiin korkein tulos. Näöntarkkuutta mitattiin tutkimuslaboratoriossa 5 m etäisyydeltä erikseen oikean ja vasemman silmän osalta. Tässä tutkimuksessa käytettiin parasta mitattua näöntarkkuutta. Aineiston analyysimenetelminä käytettiin Spearmanin järjestyskorrelaatiota, yleistä lineaarista mallia sekä toistomittausten varianssianalyysiä. Käden puristusvoima oli heikompi (179.3 N vs. 198.4 N, p<0.001) niillä, joilla näöntarkkuus oli matalampi (visus<1.0). Myös fyysinen aktiivisuus oli heikommin näkevillä vähäisempää. Fyysisen aktiivisuuden vakiointi mallissa ei hävittänyt yhteyttä, mutta heikensi sitä. Näin ollen fyysinen aktiivisuus voi selittää osan lihasvoimaeroista.Puristusvoima ei muuttunut seuranta-aikana kummassakaan ryhmässä, mutta puristusvoima säilyi seurantakerralla heikompana niillä, joiden näöntarkkuus oli alentunut. Fyysinen aktiivisuus voi osittain välittää näöntarkkuuden ja käden puristusvoiman yhteyttä iäkkäillä naisilla. Lisätutkimusta tarvitaan selvittämään, mitä muita tekijöitä taustalla on, ja esiintyykö ilmiötä myös miehillä ja vanhemmissa, huonokuntoisemmissa ryhmissä.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".