Effects of a training in virtual environment about gait performance and cognitive functions in healthy elderly
Bibliographic record
Abstract
O objetivo do presente estudo foi comparar os efeitos de dois tipos de programas de treinamento do equilíbrio e marcha, um baseado no Nintendo Wii Fit® e o outro baseado em exercícios convencionais sem a utilização do videogame, na eficiência da marcha, funções cognitivas e funcionalidade de idosos saudáveis. Trata-se de um ensaio clínico, cego e randomizado realizado no Departamento de Fonoaudiologia, Fisioterapia e Terapia Ocupacional no Laboratório de Aprendizagem Sensório-Motora (LASM) da Universidade de São Paulo. Participaram do estudo 32 idosos saudáveis que foram randomizados em grupo experimental (n=16) e grupo controle (n=16). Ambos os grupos realizaram 14 sessões individuais de treinamento, duas vezes na semana por sete semanas. As sessões eram divididas em duas partes: a primeira parte era composta de 30 minutos de exercícios globais que incluíam alongamento e fortalecimento muscular além de mobilidade axial; a segunda parte era composta de 30 minutos de exercícios de equilíbrio e marcha. O grupo experimental realizou os exercícios de equilíbrio e marcha por meio de 10 jogos do vídeogame Nintendo Wii Fit®, que promoviam a estimulação cognitiva e motora por meio da realimentação visual e auditiva. Já o grupo controle realizou os exercícios sem nenhuma estimulação cognitiva associada. As principais medidas do estudo foram: (1) Functional Gait Assessment (FGA); (2) Montreal Cognitive Assessment (MoCA); (3) Índice do Andar Dinâmico (IAD); (4) Falls Efficacy Scale (FES-I); (5) Teste da marcha de 30 segundos em condição de simples tarefa e dupla tarefa. A análise estatística foi realizada por meio da ANOVA de medidas repetidas e pós hoc teste de Tukey para a verificação de possíveis diferenças entre grupos e avaliações, que foram realizadas antes, depois e após 60 dias do término do treinamento. Apenas o grupo experimental apresentou melhora na FGA, MoCA, IAD, FES-I e Teste da marcha 30 segundos em simples e dupla tarefa. Concluiu-se que o treino de equilíbrio e marcha associado ao Nintendo Wii Fit® mostrou-se mais eficiente na melhora da eficiência da marcha, das funções cognitivas e da funcionalidade de idosos saudáveis em comparação ao treinamento convencional
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".