Cognitive Behavioral Therapy combined with physical exercise for depression, anxiety, fatigue and pain in adults with chronic diseases: systematic review and meta-analysis
Notice bibliographique
Résumé
Objective. The present meta-analysis aimed to determine the overall effect of cognitive behavior therapy combined with physical exercise (CBTEx) interventions on depression, anxiety, fatigue, and pain in adults with chronic illness; to identify the potential moderators of efficacy; and to compare the efficacy of CBTEx versus each condition alone (CBT and physical exercise). Methods. Relevant randomized clinical trials, published before July 2017, were identified through database searches in Pubmed, PsycArticles, CINAHL, SportDiscus and the Cochrane Central Register for Controlled Trials.Results. A total of 30 studies were identified. CBTEx interventions yielded small-to-large effect sizes for depression (SMC = -0.34, 95% CI [-0.53; -0.14]), anxiety (SMC = -0.18, 95% CI [-0.34; -0.03]) and fatigue (SMC = -0.96, 95% CI [-1.43; -0.49]). Moderation analyses revealed that longer intervention was associated with greater effect sizes for depression and anxiety outcomes. Low methodological quality was also associated with increased CBTEx efficacy for depression. When compared directly, CBTEx interventions did not show greater efficacy than CBT alone or physical exercise alone for any of the outcomes. Conclusion. The current literature suggests that CBTEx interventions are effective for decreasing depression, anxiety, and fatigue symptoms, but not pain. However, the findings do not support an additive effect of CBT and exercise on any of the four outcomes compared to each condition alone.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,032 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».