The Effects of Meditation on Grey Matter Atrophy and Neurodegeneration: A Systematic Review
Notice bibliographique
Résumé
The present systematic review is based on the premise that a variety of neurodegenerative diseases are accompanied by grey matter atrophy in the brain and meditation may impact this. Given that age is a major risk factor for many of these progressive and neurodegenerative diseases and that the percentage of the population over the age of 65 is quickly increasing, there is an obvious need for prompt treatment and prevention advances in research. As there is currently no cure for Alzheimer's disease and other neurodegenerative diseases, many are seeking non-pharmacological treatment options in attempts to offset the disease-related cognitive and functional declines. On the basis of a growing body of research suggesting that meditation is effective in increasing grey matter volume in healthy participants, this paper systematically reviewed the literature regarding the effects of meditation on restoring grey matter volume in healthy individuals and those affected by neurodegeneration. This review searched PubMed, CINAHL, and APA PsycNET to identify original studies that included MRI imaging to measure grey matter volume in meditators and post-mindfulness-based intervention participants compared to controls. Thirteen studies were considered eligible for review and involved a wide variety of meditation techniques and included participants with and without cognitive impairment. All studies reported significant increases in grey matter volume in the meditators/intervention group, albeit in assorted regions of the brain. Limited research exists on the mechanisms through which meditation affects disease-related neurodegeneration, but preliminary evidence suggests that it may offset grey matter atrophy.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».