Exercise as a transdiagnostic intervention for improving mental health: An umbrella review
Notice bibliographique
Résumé
Exercise is beneficial for mental health in general, but no review has systematically assessed its potential transdiagnostic nature, i.e. whether it is beneficial across specific disorders. We performed a systematic umbrella review of meta-analyses of randomized controlled trials (RCTs) of exercise in participants with mental disorders defined according to the International Classification of Diseases (ICD) or the Diagnostic and Statistical Manual of Mental Disorders (DSM), assessing exercise's transdiagnostic nature with TRANSD criteria, including eight meta-analyses (six included in the TRANSD meta-analysis), encompassing 99 RCTs (n = 5,656) across 11 disorders. Moderate/vigorous aerobic exercise was an effective transdiagnostic intervention for disease-specific primary symptoms across 11 disorders (recurrent depressive disorder, social phobia, panic disorder, generalized anxiety disorder, post-traumatic stress disorder, brief psychotic disorder, schizophrenia, schizoaffective disorder, delusional disorder, schizophreniform disorder, attention-deficit/hyperactivity disorder) and four spectra (depressive disorders, anxiety disorders, schizophrenia-spectrum disorders, neurodevelopmental disorders) with a medium effect size (SMD = -0.67, 95%CI = -0.84, -0.50). Moderate/vigorous aerobic exercise also improved cognition across two disorders (schizophrenia, attention-deficit/hyperactivity disorder) and two spectra (schizophrenia-spectrum disorders, neurodevelopmental disorders), with a large effect size (SMD = 0.92, 95%CI = 0.52, 1.33). According to TRANSD criteria, moderate/vigorous aerobic exercise is a transdiagnostic intervention to improve disease-specific primary symptoms of 11 mental disorders, and cognition in two mental disorders.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».