MétaCan
Menu
Retour à la cohorte
Enregistrement W4365479014 · doi:10.1002/jcsm.13225

Exercise for sarcopenia in older people: A systematic review and network meta‐analysis

2023· review· en· W4365479014 sur OpenAlexaff
Yanjiao Shen, Qingyang Shi, Kailei Nong, Sheyu Li, Jirong Yue, Jin Huang, Birong Dong, Marla Beauchamp, Qiukui Hao

Notice bibliographique

RevueJournal of Cachexia Sarcopenia and Muscle · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensMcMaster University
Organismes subventionnairesNational Key Research and Development Program of ChinaHealth and Family Planning Commission of Sichuan Province
Mots-clésSarcopeniaMedicineMeta-analysisGerontologyOlder peopleMEDLINESystematic reviewInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sarcopenia is a serious public health concern among older adults worldwide. Exercise is the most common intervention for sarcopenia. This study aimed to compare the effectiveness of different exercise types for older adults with sarcopenia. METHODS: Randomized controlled trials (RCTs) that examined the effectiveness of exercise interventions on patient-important outcomes for older adults with sarcopenia were eligible. We systematically searched MEDLINE, Embase and Cochrane Central Register of Controlled Trials via Ovid until 3 June 2022. We used frequentist random-effects network meta-analyses to summarize the evidence and applied the Grading of Recommendations, Assessment, Development, and Evaluations framework to rate the certainty of evidence. RESULTS: Our search identified 5988 citations, of which 42 RCTs proved eligible with 3728 participants with sarcopenia (median age: 72.9 years, female: 73.3%) with a median follow-up of 12 weeks. We are interested in patient-important outcomes that include mortality, quality of life, muscle strength and physical function measures. High or moderate certainty evidence suggested that resistance exercise with or without nutrition and the combination of resistance exercise with aerobic and balance training were the most effective interventions for improving quality of life compared to usual care (standardized mean difference from 0.68 to 1.11). Moderate certainty evidence showed that resistance and balance exercise plus nutrition (mean difference [MD]: 4.19 kg) was the most effective for improving handgrip strength (minimally important difference [MID]: 5 kg). Resistance and balance exercise with or without nutrition (MD: 0.16 m/s, moderate) were the most effective for improving physical function measured by usual gait speed (MID: 0.1 m/s). Moderate certainty evidence showed that resistance and balance exercise (MD: 1.85 s) was intermediately effective for improving physical function measured by timed up and go test (MID: 2.1 s). High certainty evidence showed that resistance and aerobic, or resistance and balance, or resistance and aerobic exercise plus nutrition (MD from 1.72 to 2.28 s) were intermediately effective for improving physical function measured by the five-repetition chair stand test (MID: 2.3 s). CONCLUSIONS: In older adults with sarcopenia, high or moderate certainty evidence showed that resistance exercise with or without nutrition and the combination of resistance exercise with aerobic and balance training were the most effective interventions for improving quality of life. Adding nutritional interventions to exercise had a larger effect on handgrip strength than exercise alone while showing a similar effect on other physical function measures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,047
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0210,032
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,141
Tête enseignante GPT0,422
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations401
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cachexia Sarcopenia and MuscleMême sujetNutrition and Health in AgingTravaux en français237 207