Effect of exercise modalities on walking capacity in patients with intermittent claudication: A Network Meta-Analysis
Notice bibliographique
Résumé
Despite extensive research on the effect of supervised exercise therapy (SET) on walking performance in patients with symptomatic peripheral arterial disease (PAD), it remains unclear which training modality provides the greatest improvement in walking capacity. Thus, a random-effect network meta-analysis was performed to compare the effect of different types of SET on walking capacity in individuals with symptomatic PAD. The following databases were searched from January 1966 to April 2021: SPORTDiscus, CINAHL, MEDLINE, AMED, Academic Search Complete, and Scopus. Trials must include at least one type of supervised exercise therapy for patients with symptomatic PAD, with a minimum of 5 exercise sessions, and an objective measure of walking capacity. Eighteen studies were included for a total sample of 1135 participants. Intervention duration ranged from 6 to 24 weeks and included aerobic exercise (treadmill walking, cycling, Nordic walking), resistance training (lower and/or upper body), a combination of both, and underwater exercises. Results showed that combined training improved walking capacity to a comparable extent to aerobic walking (+122.0 [24.2-219.8] m vs. +106.8 [34.2-179.4] m), but with a larger effect size (1.20 [0.50-1.90] vs 0.67 [0.22-1.11]). Similar results were observed for the distance performed during the 6-minute walking test, with combined training being the most promising modality (+57.3 [16.2; 98.5] m), followed by underwater training (+56.5 [22.4-90.5] m) and aerobic walking (+39.0 [12.8-65.1] m). While combined exercise seems to be the most promising training modality, aerobic walking, and underwater training also improved walking capacity for patients with symptomatic PAD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».