Exercise interventions in multiple sclerosis rehabilitation need better reporting on comorbidities: a systematic scoping review
Notice bibliographique
Résumé
OBJECTIVE: To identify the extent to which exercise intervention studies in multiple sclerosis rehabilitation are addressing comorbidities and if researchers consider comorbidities as possible moderators or mediators of exercise outcomes. METHODS: Five databases were searched from inception to January 8, 2016, for exercise-related terms in combination with multiple sclerosis. Studies were screened and limited to randomized control trials, full text, and English language. We assessed whether comorbidities were excluded or included, how they were reported and described, and if they were examined as possible moderators or mediators of exercise outcomes. RESULTS: We reviewed 99 articles that included various exercise interventions, where the most common were general multi-faceted exercise training ( n=34), cardiovascular training ( n=18), progressive-resistance training ( n=12), and balance and gait training ( n=12). In total, 77 of 99 studies reported one or more comorbidities as an exclusion criterion. The most commonly excluded comorbidities were cardiovascular diseases, cognitive impairments or psychiatric disorders, and unspecified conditions or contraindications. Only nine studies reported details on excluded participants with comorbidities. Across studies that reported comorbidities of included participants ( n=8), none examined comorbidities as possible moderators or mediators of exercise outcomes. CONCLUSION: Although a variety of exercise interventions have positive outcomes, there is limited evidence that these interventions are generalizable to people with multiple sclerosis who have comorbid 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 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 | 0,012 | 0,522 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».