Effect of Teleyoga Before COVID-19 and During Pandemic: ANarrative Review
Notice bibliographique
Résumé
Background: Yoga plays a beneficial adjunctive role in various disorders due to its physiological and psychological benefits. COVID-19 pandemic led to a paradigm shift in delivery of health interventions from on-site to online/ tele-intervention mode. Focus shifted to tele-yoga as a reasonable and feasible alternative to in-person yoga. Studies have evaluated its effect among patients suffering from various disorders, their care givers, healthcare workers, and the general public. We have assessed the effect of tele- Yoga, including its appropriateness, acceptability, and benefits, via this narrative review. Methods: We searched PubMed data base using predefined keywords. Inclusion criteria included controlled trials and Randomized Controlled Trials (RCTs) which are completed and published in English language up to February 2022 with tele-yoga/online yoga as part of intervention. Exclusion criteria included articles in other language or articles whose full text is unavailable. Results: After removing duplications and reviewing articles based on title, abstracts, and available full texts, seven studies with 391 participants were included. Majority of the trials took place in United States, with United Kingdom, Canada, and India following closely behind. Yoga can be safely administered via various online /tele interventions in both diseased and healthy individuls. Tele yoga or modules incorporating tele-yoga has been shown to improve symptoms like dyspnea, psychiatric/psychological burden including stress,anxiety and depression levels and may promote positive effects like spirituality. Conclusion: Tele-yoga is feasible and beneficial in healthy and diseased individuals. Larger well-designed RCTs comparing in-person yoga with tele-yoga are needed to ascertain their full benefits.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».