Time Allocation to Physical Activity and Sedentary Behaviour and Its Impact on Sarcopenia Risk: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
AIM: To evaluate the relationship between time spent in sedentary behaviour and physical activity and sarcopenia in older adults, and to analyse the effect of reallocating time between different intensities of activities on sarcopenia. DESIGN: Systematic review and meta-analysis. METHODS: statistic. Study quality was evaluated using the Newcastle-Ottawa Scale by two independent reviewers. DATA SOURCES: A comprehensive search was conducted in PubMed, Web of Science, Embase, CINAHL and Cochrane databases for studies published up to November 5, 2024, with no language or date restrictions. Relevant reference lists were also manually screened. RESULTS: The present review included six studies involving 9914 older adults. Three studies suggested that older adults without sarcopenia spent more time performing light physical activities (SMD: 0.35; 95% CI: 0.24-0.45) and moderate to vigorous physical activity (SMD: 0.61; 95% CI: 0.49-0.74) and had less sedentary behaviour (SMD: -0.34; 95% CI: -0.51 to -0.16) than did older adults with sarcopenia. Replacing sedentary behaviour with an equivalent amount of moderate to vigorous physical activity (10, 30, or 60 min) each day can reduce the risk of sarcopenia, with 30 min showing the best preventive effect. However, research findings on the relationship between substituting sedentary behaviour time with light physical activities and sarcopenia are inconsistent. IMPLICATIONS FOR THE PROFESSION: Encouraging older adults to engage in moderate to vigorous physical activity, even in short bouts of 10 min, can significantly reduce the risk of sarcopenia. Healthcare professionals should tailor activity recommendations to individual preferences and physical conditions to promote overall health and reduce sedentary behaviour. PATIENT AND PUBLIC CONTRIBUTION: No Patient or Public Contribution. TRIAL REGISTRATION: CRD42023416166.
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 | 0,016 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,042 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».