MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410153397 · doi:10.1371/journal.pone.0321526

Effect of timed exercise interventions on patient-reported outcome measures: A systematic review

2025· review· en· W4410153397 sur OpenAlexafffund
Mirey Karavetian, Cosette Fakih El Khoury, Femke Rutters, Romy Slebe, Diane Lorenzetti, Denis P. Blondin, André C. Carpentier, Jean‐Pierre Després, Joris Hoeks, Andries Kalsbeek, Renée de Mutsert, Marie Pigeyre, Parminder Raina, Patrick Schrauwen, Mireille J. Serlie, Camilia Thieba, Jeroen van der Velde, David J.T. Campbell

Notice bibliographique

RevuePLoS ONE · 2025
Typereview
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensUniversity of OttawaUniversité LavalMcMaster UniversityUniversité de SherbrookeUniversity of CalgaryUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchDiabetes FondsZonMwHealth~Holland
Mots-clésPsychological interventionPsycINFOMEDLINECINAHLSystematic reviewMedicineRandomized controlled trialMeta-analysisPhysical therapyCochrane LibraryEveningInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Exercising at a specific time of day has the potential to mitigate the negative effects of disrupted circadian rhythms caused by irregular work and sleep schedules on the development of chronic diseases. Afternoon/evening exercise is postulated to be superior to morning exercise for various health outcomes, but patient acceptance of timed exercise remains unclear. The aim of this systematic review was to assess the impact of exercise timing on patient-reported outcomes (PROMs). METHODS: We conducted a systematic review, following Cochrane and PRISMA guidelines (PROSPERO: CRD42022322646). We systematically searched databases including MEDLINE, SCOPUS, Embase, APA PsycInfo, CINAHL, and Web of Science, to identify studies which reported on PROMs related to timed exercise interventions: either acutely after a bout of exercise or following extended training (>1 month). Studies were included if they reported primary data from randomized or non-randomized experiments of timed exercise interventions (against any comparator), published in English until August 2023 and reporting on any PROM. Machine-learning software (AR Reviews) was used to aid in abstract screening. Subsequently, two independent reviewers reviewed the included full texts, extracted study details (participants, interventions, outcomes), and evaluated the risk of bias using Cochrane tools (ROB-2 and ROBINS-I). Exercise interventions were summarized using the TIDieR reporting method and results were presented in accordance with the Synthesis Without Meta-analysis (SWiM) guidelines for systematic reviews. RESULTS: Seventeen studies with 403 participants were included in the review. The interventions varied widely in exercise modality, duration, and participant characteristics, contributing to substantial heterogeneity in the findings. Most studies found no significant impact of exercise timing on PROMs. There was some inconsistency between studies for certain outcomes. DISCUSSION: The review suggests that there are no clear detrimental effects of afternoon or evening exercise on PROMs compared to morning exercise. However, the lack of homogeneity in study populations and small sample sizes resulting in low power for PROM outcomes are major limitations of the research in this field. If future research confirms the metabolic advantages of afternoon/evening exercise, this may be an acceptable alternative for individuals.

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)0,020
score de la tête « metaresearch » (Gemma)0,087
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,087
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0120,015
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,113
Tête enseignante GPT0,381
Écart entre enseignants0,267 · 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'étudeRevue systématique
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSleep and related disorders→Travaux en français237 207→