MétaCan
Menu
Retour à la cohorte
Enregistrement W4405263293 · doi:10.1177/13524585241301613

Exercise as a Therapeutic Intervention in Multiple Sclerosis

2024· review· en· W4405263293 sur OpenAlexaff
Lara A. Pilutti, Sarah J. Donkers

Notice bibliographique

RevueMultiple Sclerosis Journal · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of SaskatchewanUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosisIntervention (counseling)MedicineExercise prescriptionPhysical therapyDiseasePhysical medicine and rehabilitationPhysical exerciseExercise therapyPsychologyRandomized controlled trialPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

The role of exercise as a therapeutic intervention in multiple sclerosis (MS) has shifted over time. Early views surrounding exercise in MS advocated for caution against participation. With increasing evidence, perspectives shifted to promote exercise as a therapeutic approach for symptom management. Recent efforts have focused on understanding the potential disease-modifying effects of exercise in MS, although this work is still in its infancy. While efforts continue to optimize exercise prescriptions and unravel underlying mechanisms of exercise effects, current knowledge and implementation gaps limit the accessibility of exercise as therapy for all people living with MS. This topical review is based on an invited presentation on ‘ Exercise as a Therapeutic Intervention in MS’ delivered at the ACTRIMS Forum 2024. The review summarizes current evidence for the role of exercise as a therapeutic intervention in MS from symptomatic to disease-modifying potential. We highlight directions for future research efforts to advance our understanding of potential exercise benefits and translate findings into real-world contexts for people living with MS.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,294
Tête enseignante GPT0,396
Écart entre enseignants0,102 · 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'étudeSans objet
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMultiple Sclerosis JournalMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207