Evidence-based risk assessment and recommendations for physical activity clearance: cognitive and psychological conditions<sup>1</sup>This paper is one of a selection of papers published in this Special Issue, entitled Evidence-based risk assessment and recommendations for physical activity clearance, and has undergone the Journal’s usual peer review process.
Notice bibliographique
Résumé
Physical activity has established mental and physical health benefits, but related adverse events have not received attention. The purpose of this paper was to review the documented adverse events occurring from physical activity participation among individuals with psychological or cognitive conditions. Literature was identified through electronic database (e.g., MEDLINE, psychINFO) searching. Studies were eligible if they described a published paper examining the effect of changes on physical activity behaviour, included a diagnosed population with a cognitive or psychological disorder, and reported on the presence or absence of adverse events. Quality of included studies was assessed, and the analyses examined the overall evidence by available subcategories. Forty trials passed the eligibility criteria; these were grouped (not mutually exclusively) by dementia (n = 5), depression (n = 10), anxiety disorders (n = 12), eating disorders (n = 4), psychotic disorders (n = 4), and intellectual disability (n = 15). All studies displayed a possible risk of bias, ranging from moderate to high. The results showed a relatively low prevalence of adverse events. Populations with dementia, psychological disorders, or intellectual disability do not report considerable or consequential adverse events from physical activity independent of associated comorbidities. The one exception to these findings may be Down syndrome populations with atlantoaxial instability; in these cases, additional caution may be required during screening for physical activity. This review, however, highlights the relative paucity of the reported presence or absence of adverse events, and finds that many studies are at high risk of bias toward reporting naturally occurring adverse events.
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 | 0,087 | 0,376 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,012 |
| Bibliométrie | 0,013 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,012 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,007 |
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 ».