Health benefits of tai chi: What is the evidence?
Notice bibliographique
Résumé
OBJECTIVE: To summarize the evidence on the health benefits of tai chi. SOURCES OF INFORMATION: A literature review was conducted on the benefits of tai chi for 25 specific conditions, as well as for general health and fitness, to update a 2014 review of systematic reviews. Systematic reviews and recent clinical trials were assessed and organized into 5 different groups: evidence of benefit as excellent, good, fair, or preliminary, or evidence of no direct benefit. MAIN MESSAGE: During the past 45 years more than 500 trials and 120 systematic reviews have been published on the health benefits of tai chi. Systematic reviews of tai chi for specific conditions indicate excellent evidence of benefit for preventing falls, osteoarthritis, Parkinson disease, rehabilitation for chronic obstructive pulmonary disease, and improving cognitive capacity in older adults. There is good evidence of benefit for depression, cardiac and stroke rehabilitation, and dementia. There is fair evidence of benefit for improving quality of life for cancer patients, fibromyalgia, hypertension, and osteoporosis. Current evidence indicates no direct benefit for diabetes, rheumatoid arthritis, or chronic heart failure. Systematic reviews of general health and fitness benefits show excellent evidence of benefit for improving balance and aerobic capacity in those with poor fitness. There is good evidence for increased strength in the lower limbs. There is fair evidence for increased well-being and improved sleep. There were no studies that found tai chi worsened a condition. A recent systematic review on the safety of tai chi found adverse events were typically minor and primarily musculoskeletal; no intervention-related serious adverse events have been reported. CONCLUSION: There is abundant evidence on the health and fitness effects of tai chi. Based on this, physicians can now offer evidence-based recommendations to their patients, noting that tai chi is still an area of active research, and patients should continue to receive medical follow-up for any clinical conditions.
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 | 0,013 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».