The effect of exercise on mental health and health-related quality of life in individuals with multiple sclerosis: A Systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: A large body of evidence has tested the effect of exercise interventions on mental health and health-related quality of life (HRQoL) in individuals with multiple sclerosis (PwMS). OBJECTIVE: To determine the effect of exercise interventions on mental health and HRQoL in PwMS. METHODS: We searched four databases up to April 2023, and included randomized controlled trials that: 1) involved PwMS ≥18 years old; 2) delivered an exercise intervention; 3) measured subjective well-being, psychological well-being, social well-being, or HRQoL as outcomes. We reported standardized differences in means (d) with a 95 % confidence interval (CI), for continuous outcomes and an incidence rate ratio (IRR) with a 95 % CI for dichotomous outcomes. RESULTS: Forty-nine studies (n = 2,057 participants) were included. Exercise improved overall well-being (d = 0.78; 95 % CI 0.483, 1.077; moderate certainty evidence), subjective well-being (d = 0.666; 95 % CI 0.405, 0.928; moderate certainty evidence), social well-being (d = 1.046; 95 % CI 0.569, 1.523; low certainty evidence), and HRQoL (d = 0.568; 95 % CI 0.396, 0.74; moderate certainty evidence). CONCLUSION: Exercise interventions can improve well-being and HRQoL in PwMS. Future studies should focus on PwMS ≥ 65 years or with higher level of impairments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,030 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».