A systematic review and meta-analysis exploring the efficacy of mindfulness-based interventions on quality of life in people with multiple sclerosis
Notice bibliographique
Résumé
Abstract Background Quality of life (QoL) is commonly impaired among people with multiple sclerosis (PwMS). The aim of this study was to evaluate via meta-analysis the efficacy of Mindfulness-based interventions (MBIs) for improving QoL in PwMS. Methods Eligible randomized controlled trials (RCTs) were identified via searching six major electronic databases (MEDLINE, EMBASE, CINAHL, Cochrane Central Register of Controlled Trials, AMED, and PsycINFO) in April 2022. The primary outcome was QoL. Study quality was determined using the Cochrane Collaboration risk of bias tool. Meta-analysis using a random effects model was undertaken. Effect sizes are reported as Standardized Mean Difference (SMD). Prospero ID: 139835. Results From a total of 1312 individual studies, 14 RCTs were eligible for inclusion in the meta-analysis, total participant n = 937. Most studies included PwMS who remained ambulatory. Cognitively impaired PwMS were largely excluded. Comorbidities were inconsistently reported. Most MBIs were delivered face-to face in group format, but five were online. Eight studies ( n = 8) measured MS-specific QoL. In meta-analysis, overall effect size (SMD) for any QoL measure ( n = 14) was 0.40 (0.18–0.61), p = 0.0003, I 2 = 52%. SMD for MS-specific QoL measures ( n = 8) was 0.39 (0.21–0.57), p < 0.0001, I 2 = 0%. MBI effect was largest on subscale measures of mental QoL ( n = 8), SMD 0.70 (0.33–1.06), p = 0.0002, I 2 = 63%. Adverse events were infrequently reported. Conclusions MBIs effectively improve QoL in PwMS. The greatest benefits are on mental health-related QoL. However, more research is needed to characterize optimal formatting, mechanisms of action, and effects in PwMS with more diverse social, educational, and clinical backgrounds.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».