Exercise Intervention for Late-Life Depression
Notice bibliographique
Résumé
OBJECTIVE: To quantify the association between physical exercise intervention (PEI) and reduction in depressive symptoms in older adults. DATA SOURCES: MEDLINE, PsycINFO, and EMBASE were searched from inception through December 2018 with no language restrictions using keywords related to exercise, depression, elderly adults, and randomized controlled trials. STUDY SELECTION: Randomized controlled trials comparing a sedentary control group, with no physically active intervention, to a supervised, moderate-to-vigorous PEI with participants aged ≥ 60 years and having a primary outcome of depressive symptoms were included. DATA EXTRACTION: Data on pre- and post-intervention scores on scales measuring depressive symptoms were extracted using a standard form. Random-effects models were used to pool standardized mean differences (Hedges g) in depressive symptoms across studies. DATA SYNTHESIS: Nine studies involving 1,308 participants were included; mean participant age was 82 years. Moderate-to-vigorous PEI was associated with a medium effect size of 0.64 (95% CI, 0.27 to 1.01; z = 3.38; P < .001) in reducing depressive symptoms. However, there was considerable heterogeneity (T² = 0.22, Q = 36.34, P < .0001; I² = 78.0%) in the effect of PEI across included studies. Age > 80 years, Mini-Mental State Examination (MMSE) score < 23, and no depressive symptoms at baseline contributed to heterogeneity. Fitness metrics and adherence to exercise were inconsistently reported, and 5 of 9 studies were deemed at high risk of bias. CONCLUSIONS: A moderate reduction in depressive symptoms was seen with PEI among older adults. Nevertheless, more work is needed to support PEI for late-life depression in adults over age 80 years or with MMSE scores < 23 suggestive of cognitive decline.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| 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 | 0,002 |
| 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 ».