Effectiveness of Tai Chi as a non-invasive intervention for mild cognitive impairment in the elderly: A comprehensive review and meta-analysis
Notice bibliographique
Résumé
The aging population warrants the increase of mild cognitive impairment (MCI) prevalence, a condition that could progress to dementia. Efforts have been made to improve the MCI and prevent its progression, including the introduction of Tai Chi, a Chinese traditional exercise. The aim of this systematic review and meta-analysis was to evaluate the efficacy of Tai Chi in attenuating MCI among the elderly population. Records investigating the effect of Tai Chi exercise intervention on cognitive function among elderly patients were searched systematically from PubMed, ScienceDirect, Google Scholar, and Europe PMC as of April 13, 2023. The risk of bias (RoB 2.0) quality assessment was employed in the quality appraisal of the studies included. Review Manager 5.4.1 was used for data extraction and meta-analysis, where the standard mean difference (SMD) and 95% confidence interval (95%CI) were computed. Eight randomized control trials with a total of 1379 participants were included in this meta-analysis. Six trials assessed Montreal Cognitive Assessment scores, where its pooled analysis suggested that Tai Chi was as effective as conventional exercise (SMD=0.15, 95%CI: -0.11 to 0.40, p=0.26). However, pooled analysis of the Mini-Mental Status Examination suggested that Tai Chi intervention more effectively improved cognitive function and reduced the rate of cognitive impairment in elderly patients (SMD=0.36, 95%CI: 0.18 to 0.54, p<0.01) as compared to the control group. This systematic review and meta-analysis suggest that, in some extent, Tai Chi is efficacious in improving cognitive function and slowing down the rate of cognitive impairment among elderly patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».