Exercise rehabilitation to treat sarcopenia in pediatric transplant populations
Notice bibliographique
Résumé
BACKGROUND: In adult transplant (Tx) populations, exercise rehabilitation strategies may improve sarcopenia components (muscle mass [MM], strength [MS], and physical performance [PP]). Limited data are available regarding exercise rehabilitation therapy in pediatric Tx populations. METHODS: The purpose of this review is to critically evaluate the feasibility and impact of exercise programs (EP) that include resistance exercise (RE) on markers of sarcopenia in pediatric Tx populations. Literature searches in SCOPUS and WEB OF SCIENCE were conducted to identify studies applying EP with a RE component in pediatric populations in the Tx setting. RESULTS: Twelve articles (2008-2022) met inclusion criteria. The exercise interventions varied in length (3 weeks-12 months), intensity (low to moderate), time pre/post Tx (0 days-5 years post Tx), age of participants (3-18 years), adherence (63%-94%), and methodologies to measure components of sarcopenia. No studies measured all three components of sarcopenia concurrently. Approximately, 60% of studies found positive effects on MS and PP. Only one pediatric study measured body composition, therefore, the effect of exercise programs with RE components on MM is unknown. CONCLUSIONS: Exercise programs may be a beneficial treatment for sarcopenia in Tx populations, particularly in components of MS and PP. Studies measuring all three aspects of sarcopenia together in response to RE training in pediatrics remains an important gap. Studies that include body composition measurements in response to exercise are needed. Special considerations for the development of RE programs in pediatrics Tx populations are safety, supervision, engagement through family/peer involvement and incorporation of game/play-based elements.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».