A Systematic Review and Evaluation of Non-Pharmacological Interventions for Elderly Patients with Mild Cognitive Impairment.
Notice bibliographique
Résumé
Objective: This study aims to comprehensively summarize and evaluate the impact of non-pharmacological interventions on mild cognitive impairment (MCI) in elderly individuals through a systematic review of pertinent literature. The interventions include acupuncture, massage, ear point pressing, acupoint moxibustion, dietary modifications, and exercise interventions. Methods: A thorough literature search spanned 2017 to 2023 across databases like Zhichou, Wanfang, PubMed, CINAHL, Web of Science, and the Cochrane Library. It covered pharmacological and non-pharmacological interventions, emphasising MCI in elderly patients. Independent screening, evaluation, and data extraction were conducted and assessed via the AMSTAR 2 scale and GRADE approach. Outcome measures (e.g., MMSE, MoCA, ADL, CDT, overall efficacy) were analyzed. Results: Three systematic evaluations were assessed using AMSTAR 2. Two were low quality, one moderate. Limited rigor in two studies led to considering only medium-quality papers for evidence grading. Key indicators in RCTs included MMSE (eight studies), MoCA (seven studies), ADL (two studies), CDT (two studies), and overall efficacy (12 studies). GRADE evaluation revealed moderate, high, and high evidence quality for intervention efficacy at one, two, and three months respectively. MMSE evidence was low, MoCA high, ADL very low, and CDT moderate. Adverse events were reported in one publication, suggesting acupuncture's potential pain and resistance. Conclusions: Non-pharmacological interventions, like acupuncture, cognitive exercises, and exercise, show promise in mild cognitive impairment among the elderly. They enhance cognitive function and daily living while maintaining safety. Acupuncture notably improves MoCA scores, supported by robust evidence.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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) | 0,000 | 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 ».