Efficacy of Aerobic Exercise for Treatment of Chronic Low Back Pain
Notice bibliographique
Résumé
OBJECTIVE: A meta-analysis of relevant cohort studies was performed to investigate the efficacy of aerobic exercise for the treatment of patients with chronic low back pain (CLBP). METHOD: A range of electronic databases were searched: MEDLINE (1966-2013), the Cochrane Library Database (issue 12, 2013), EMBASE (1980-2013), CINAHL (1982-2013), Web of Science (1945~2013), and the Chinese Biomedical Database (1982-2013), without language restrictions. The Roland-Morris Disability Questionnaire, the Oswestry Disability Questionnaire, the McGill Pain Questionnaire, visual analog scale, and heart rate, sit-and-reach test, and maximum oxygen consumption were used to evaluate the efficacy of aerobic exercise. Meta-analysis was performed with the use of the STATA statistical software. The standardized mean difference (SMD) with its corresponding 95% confidence interval (CI) was calculated. Eight clinical cohort studies with a total of 310 CLBP patients were included in the meta-analysis. RESULTS: The results of this meta-analysis indicated that CLBP patients exhibited positive decreases in scores on the Roland-Morris Disability Questionnaire (SMD, 0.44; 95% CI, 0.20-0.68; P < 0.001), Oswestry Disability Questionnaire (SMD, 1.03; 95% CI, 0.67-1.39; P < 0.001), Hospital Anxiety and Depression Scale (SMD, 1.35; 95% CI, 0.34-2.37; P = 0.009), and McGill Pain Questionnaire (SMD, 0.32; 95% CI, 0.07-0.56; P = 0.011) after aerobic exercise. It was also observed that aerobic exercise could markedly reduce the visual analog scale score for pain of CLBP patients (SMD, 0.75; 95% CI, 0.48-1.02; P < 0.001). Nevertheless, this study's findings showed that aerobic exercise had no effects on heart rate, sit-and-reach test, and maximum oxygen consumption of CLBP patients (all P > 0.05). CONCLUSION: The current meta-analysis provides reliable evidence that aerobic exercise could effectively diminish pain intensity and improve the physical and psychologic functioning of CLBP patients. Thus, aerobic exercise may be a good choice in the treatment for CLBP.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,047 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 source (Gemma direct ou Codex distillé), 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 ».