The effect of exercise on blood pressure in chronic kidney disease: A systematic review and meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Management of hypertension in chronic kidney disease (CKD) remains a major challenge. We conducted a systematic review to assess whether exercise is an effective strategy for lowering blood pressure in this population. DESIGN, SETTING, PARTICIPANTS, AND MEASUREMENTS: We searched MEDLINE, EMBASE, the Cochrane Library, CINAHL and Web of Science for randomized controlled trials (RCTs) that examined the effect of exercise on blood pressure in adults with non-dialysis CKD, stages 3-5. Outcomes were non-ambulatory systolic blood pressure (primary), other blood pressure parameters, 24-hour ambulatory blood pressure, pulse-wave velocity, and flow-mediated dilatation. Results were summarized using random effects models. RESULTS: Twelve studies with 505 participants were included. Ten trials (335 participants) reporting non-ambulatory systolic blood pressure were meta-analysed. All included studies were a high risk of bias. Using the last available time point, exercise was not associated with an effect on systolic blood pressure (mean difference, MD -4.33 mmHg, 95% confidence interval, CI -9.04, 0.38). The MD after 12-16 and 24-26 weeks of exercise was significant (-4.93 mmHg, 95% CI -8.83, -1.03 and -10.94 mmHg, 95% CI -15.83, -6.05, respectively) but not at 48-52 weeks (1.07 mmHg, 95% CI -6.62, 8.77). Overall, exercise did not have an effect on 24-hour ambulatory blood pressure (-5.40 mmHg, 95% CI -12.67, 1.87) or after 48-52 weeks (-7.50 mmHg 95% CI -20.21, 5.21) while an effect was seen at 24 weeks (-18.00 mmHg, 95% CI -29.92, -6.08). Exercise did not have a significant effect on measures of arterial stiffness or endothelial function. CONCLUSION: Limited evidence from shorter term studies suggests that exercise is a potential strategy to lower blood pressure in CKD. However, to recommend exercise for blood pressure control in this population, high quality, longer term studies specifically designed to evaluate hypertension are needed.
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 | 0,021 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,028 | 0,038 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».