Are hypopressive and other exercise programs effective for the treatment of pelvic organ prolapse?
Notice bibliographique
Résumé
INTRODUCTION AND HYPOTHESIS: Pelvic floor muscle training (PFMT) is effective for the treatment of pelvic organ prolapse (POP), but other exercise programs have also been promoted and used. The aim of this review was to evaluate the effect of hypopressive and other exercise programs besides PFMT for POP. METHODS: A literature search was conducted on Ovid Medline, EMBASE, CINAHL, Cochrane, PEDro, and Scopus databases from January 1996 to 30 December 2021. Only randomized controlled trials (RCTs) were included. The keywords were combinations of "pelvic organ prolapse" or "urogenital prolapse," and "exercise therapy," "hypopressive exercise," "Kegel," "pelvic floor muscle training," "pelvic floor muscle exercises," "Pilates," "treatment," "yoga," "Tai Chi." Methodological quality was assessed using the PEDro rating scale (0-10). RESULTS: Seven RCTs containing hypopressive exercise, yoga or breathing and hip muscle exercises in an inverted position were retrieved and analyzed. PEDro score ranged from 4 to 7. There was no additional effect of adding hypopressive exercise to PFMT, and PFMT was more effective than hypopressive exercise alone. The studies that included the term "yoga" included regular PFMT and thus can be classified as PFMT. Hip exercises in an inverted position added to PFMT vs PFMT alone showed better improvement in some secondary outcomes but not in the primary outcome, POP stage. CONCLUSIONS: There are few RCTs assessing the effects of other exercise programs besides PFMT in the treatment of POP. To date, there is no evidence that other exercise programs are more effective than PFMT for POP.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».