The right treatment for the right patient: utility of exergaming and medical yoga for heart failure patients
Notice bibliographique
Résumé
This invited commentary refers to ‘Effects of exergaming and yoga on exercise capacity, physical and mental health in heart failure patients: a randomized sub-study’ by L. Klompstra et al., https://doi.org/10.1093/eurjcn/zvae155. Regular physical activity and exercise are well-established management and treatment strategies for adults with heart failure,1 but there are several barriers to being active experienced by these patients.2 Identifying engaging and motivating strategies to promote these vulnerable populations to become active is necessary. To address this problem, Klompstra et al. 3 conducted a 3 month randomized controlled trial comparing the effects of exergaming (Nintendo Wii-Sport 5 days/week for 30 min), yoga (2 days/week for 1 h at a yoga centre), and an active control (received physical activity advice and support from a nurse or physiotherapist) among people with heart failure.3 Follow-ups were conducted 3, 6, and 12 month time points. While there were no between-group effects in any of their outcome measures, within-group effects demonstrated that exergaming and yoga improved exercise capacity (6 min walk test), fatigue, and shortness of breath. Exergaming also improved physical health-related quality of life, whereas yoga improved emotional health-related quality of life. The active control group improved their overall well-being at 3 months. This study demonstrates the potential for using exergaming and yoga as alternatives to conventional exercise prescriptions to improve symptoms of patients with heart failure.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».