MétaCan
Menu
Retour à la cohorte
Enregistrement W4408243741 · doi:10.1002/jcsm.13772

Associations Between Exercise Training, Physical Activity, Sedentary Behaviour and Mortality: An Umbrella Review of Meta‐Analyses

2025· review· en· W4408243741 sur OpenAlexaff
Masoud Rahmati, Hyeri Lee, Hayeon Lee, Jaeyu Park, Djandan Tadum Arthur Vithran, Yusheng Li, Abdolreza Kazemi, Laurent Boyer, Guillaume Fond, Lee Smith, Nicola Veronese, Pinar Soysal, Elena Dragioti, Samuele Cortese, Jiseung Kang, Dong Keon Yon, Marco Solmi

Notice bibliographique

RevueJournal of Cachexia Sarcopenia and Muscle · 2025
Typereview
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésMedicineMeta-analysisObservational studyMEDLINEOdds ratioInternal medicinePublication biasPhysical therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Numerous studies support the association of exercise training, physical activity (PA) and sedentary behaviour (SB) with both mortality and morbidity outcomes. The results across studies have been inconsistent, and no umbrella reviews have yet been conducted on this topic. METHODS: We conducted an umbrella review of meta-analyses of observational studies by screening articles in PubMed/MEDLINE, EMBASE and Web of Science databases from inception to 30 April 2024. Quality appraisal of each included meta-analysis was done using the AMSTAR 2 tool, with evidence certainty evaluated based on statistical significance, study size, heterogeneity, small-study effects, prediction intervals (PI) and potential biases. RESULTS: Frothy-eight meta-analyses were included (AMSTAR 2 ratings: high 25, moderate 10, low 2 and critically low 11). No evidence was highly suggestive or convincing. Suggestive evidence linked any PA and SB to lower and higher risks of all-cause, cardiovascular and cancer mortality. Suggestive evidence indicated a significant association between self-reported and device-measured total PA (equivalent odds ratio [eOR] 0.78 [0.70-0.86] and eHR = 0.50 [0.38-0.65], respectively), self-reported leisure time PA (eHR = 0.73 [0.66-0.80]), device-measured daily steps (eHR = 0.44 [0.35-0.56]) and aerobic plus resistance training (eHR = 0.60 [0.56-0.64]) with lower all-cause mortality. Weak evidence supported links between self-reported and device-measured SB and higher mortality (eHR = 1.3 [1.22-1.38] and eHR = 2.16 [1.09-4.28], respectively). Suggestive evidence was noted for the association between self-reported leisure time PA (eHR = 0.74 [0.69-0.80]) and resistance training (eHR = 0.82 [0.81-0.84]) with cardiovascular mortality. Suggestive evidence was also found for the association between self-reported leisure time PA (eHR = 0.87 [0.83-0.91]) with cancer mortality. Associations between self-reported running time and mortality from all causes, cardiovascular diseases (CVD) and cancer did not reach statistical significance nor did the association between low skeletal muscle mass and all-cause mortality. Meta-regression analyses showed that physical activity reduces mortality risk, with age reducing the protective effects against all-cause, CVD and cancer mortality. We also found that combined exercise training (aerobic plus resistance) most effectively reduces all-cause and CVD mortality. CONCLUSIONS: Converging evidence supports that physical activity and sedentary behaviour are associated with lower and higher rates of all-cause, cardiovascular and cancer mortality. More high-quality prospective studies are needed for a better understanding of the associations between running time and also TV-viewing time and health-related outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,906
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,404
Tête enseignante GPT0,520
Écart entre enseignants0,116 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations22
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cachexia Sarcopenia and MuscleMême sujetPhysical Activity and HealthTravaux en français237 207