Community-based Exercise Programs as a Strategy to Optimize Function in Chronic Disease
Notice bibliographique
Résumé
BACKGROUND: Chronic diseases are the leading cause of death and disability worldwide. Preliminary evidence suggests that community-based exercise (CBE) improves functional capacity (FC) and health-related quality of life (HRQL). OBJECTIVE: To describe the structure and delivery of CBE programs for chronic disease populations and compare their impact on FC and HRQL to standard care. RESEARCH DESIGN: Randomized trials examining CBE programs for individuals with stroke, chronic obstructive pulmonary disease, osteoarthritis, diabetes, and cardiovascular disease were identified. Quality was assessed using the Cochrane risk of bias tool. Meta-analyses were conducted using Review Manager 5.1. The protocol was registered on PROSPERO (CRD42012002786). RESULTS: Sixteen studies (2198 individuals, mean age 66.8±4.9 y) were included to describe program structures, which were comparable in their design and components, irrespective of the chronic disease. Aerobic exercise and resistance training were the primary interventions in 85% of studies. Nine studies were included in the meta-analysis. The weighted mean difference for FC, evaluated using the 6-minute walk test, was 41.7 m (95% confidence interval [CI], 20.5-62.8). The standardized mean difference for all FC measures was 0.18 (95% CI, 0.05-0.3). The standardized mean difference for the physical component of HRQL measures was 0.21 (95% CI, 0.05-0.4) and 0.38 (95% CI, 0.04-0.7) for the total score. CONCLUSIONS: CBE programs across chronic disease populations have similar structures. These programs appear superior to standard care with respect to optimizing FC and HRQL in individuals with osteoarthritis; however, the effect beyond this population is unknown. Long-term sustainability of these programs remains to be established.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».