The Impact of Walking Programs on Reduction of Menopausal Symptoms: A Systematic Review
Notice bibliographique
Résumé
Aim: To identify types of walking programs and to determine the effects of these programs on menopausal symptoms. Background: Menopause is a naturally occurring phenomenon for women and can present with several physical and mental symptoms that are more severely experienced by some individuals. These experiences can be very distressing for women to deal with, especially because of their personal, social, and work lives. The substantial impact of menopausal symptoms directly calls for effective intervention. Specific to menopause, physical activity is a form of intervention that can decrease occurrences and severity of menopausal symptoms. Previous studies have reported the benefits of walking programs in reducing symptoms, yet it is unclear which specific ones are most effective in reducing menopausal symptoms, especially because of the time and efficacy barriers reported by menopausal women. Methods: A systematic review was conducted in nine databases for articles published since September 2011, to identify quantitative studies that evaluated walking programs in menopausal women. Two investigators independently screened articles, extracted data related to the type and the outcomes of walking programs, and assessed risk of bias. Effect sizes were calculated to quantify the effects of walking programs on menopausal symptoms. Findings: Six studies, including five randomized control trials (RCTs) and a one group pretest-post-test study, met all inclusion criteria. Amongst all programs (Pedometer-based programs, Nordic walking, walking training and SaBang Dolgi), pedometer-based walking presented the greatest improvement in outcomes. All studies reported improvement in post-intervention menopausal symptoms of depression, sleep quality and physiological markers, however depression saw the greatest reduction post interventions. Conclusions: Pedometer-based walking programs seem to be the most effective intervention for reduction of menopausal symptoms. Key words: menopause, walking, pedometer-based walking
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».