The ability of exercise to meaningfully improve glucose tolerance in people living with prediabetes: A meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Individuals with prediabetes are likely to progress to Type 2 diabetes. Although exercise training is an established method to improve glycemic control, the degree to which this translates into meaningful improvements, particularly in individuals with prediabetes, is unclear. The purpose of this meta-analysis was to investigate the ability of exercise training to improve 2-hour glucose tolerance beyond the smallest worthwhile difference in individuals with prediabetes. It was hypothesized that the majority of implemented exercise programs designed for individuals with prediabetes would not result in meaningful improvements in glucose tolerance. METHODS: Searches were performed in MEDLINE, The Cumulative Index to Nursing and Allied Health Literature, SPORTDiscus, and the Cochrane Library. Included studies reported glucose tolerance using a 2-hour oral glucose tolerance test at baseline and post-intervention; implemented an exercise program lasting at least 12 weeks; and included adults living with prediabetes. Mean effect summaries were determined using random-effects models. Magnitude-based inference statistic was used to estimate the likelihood that observed changes in glucose tolerance were meaningful to patients. RESULTS: Nine articles were included in the meta-analysis, producing 12 independent exercise interventions. The interventions led to an average improvement in glucose tolerance of 5.9% (95% confidence interval: 3.7%-8.0%). Seven (58%) exercise interventions were deemed likely to benefit patients, whereas five (42%) had trivial or unclear findings. CONCLUSION: While exercise intervention led to statistically significant improvements in 2-hour glucose tolerance, the benefit for individuals living with prediabetes remains unclear. Further research is needed to delineate optimal prescription parameters for generating meaningful benefits in glucose tolerance.
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 | 0,019 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,060 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».