Effect of physical training on airway inflammation in bronchial asthma: a systematic review
Notice bibliographique
Résumé
BACKGROUND: The majority of the global population cannot afford existing asthma pharmacotherapy. Physical training as an airway anti-inflammatory therapy for asthma could potentially be a non-invasive, easily available, affordable, and healthy treatment modality. However, effects of physical training on airway inflammation in asthma are currently inconclusive. The main objective of this review is to summarize the effects of physical training on airway inflammation in asthmatics. METHODS: A peer reviewed search was applied to Medline, Embase, Web of Science, Cochrane, and DARE databases. We included all observational epidemiological research studies and RCTs. Studies evaluating at least one marker of airway inflammation in asthmatics after a period of physical training were selected. Data extraction was performed in a blinded fashion. We decided a priori to avoid pooling of the data in anticipation of heterogeneity of the studies, specifically heterogeneity of airway inflammatory markers studied as outcome measures. RESULTS: From the initial 2635 studies; 23 studies (16 RCTs and 7 prospective cohort studies) were included. Study sizes were generally small (median sample size = 30). There was a reduction in C-reactive protein, malondialdehyde, nitric oxide, sputum cell counts and IgE in asthmatics with physical training. Mixed results were observed after training for fractional excretion of nitric oxide and bronchial hyperresponsiveness. The data was not pooled owing to significant heterogeneity between studies, and a funnel plot tests for publication bias were not performed because there were less than 10 studies for almost all outcome measures. Physical training intervention type, duration, intensity, frequency, primary outcome measures, methods of assessing outcome measures, and study designs were heterogeneous. CONCLUSION: Due to reporting issues, lack of information and heterogeneity there was no definite conclusion; however, some findings suggest physical training may reduce airway inflammation in asthmatics.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».