MétaCan
Menu
Retour à la cohorte
Enregistrement W4410453504 · doi:10.3389/fnagi.2025.1553868

Effects of exercise interventions on cognitive function in patients with cognitive dysfunction: an umbrella review of meta-analyses

2025· review· en· W4410453504 sur OpenAlexaboutno aff
G. X. Sun, Zhong Zheng, Hongtao Ma

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisDementiaCognitionPhysical therapyAerobic exerciseMedicineMontreal Cognitive AssessmentRandomized controlled trialPhysical medicine and rehabilitationPsychological interventionPsychologyDiseaseInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Objective: This umbrella review assessed the quality, potential biases, and effects of exercise interventions on cognitive function in individuals with cognitive impairments. Methods: A comprehensive umbrella review of meta-analyses of randomized controlled trials (RCTs) was performed to evaluate the effects of exercise on cognitive function in individuals with cognitive impairments. Databases including Web of Science, PubMed, Embase, and the Cochrane Database of Systematic Reviews were searched. Outcomes were evaluated using the Grading of Recommendations, Assessment, Development and Evaluation (GRADE) system, classified as "high," "moderate," "low," or "very low" quality. Results: A total of 55 meta-analyses were included, covering dementia, cognitive impairment, MCI, Alzheimer's disease (AD), Parkinson's disease (PD), and stroke. Cognitive outcomes were assessed using scales like MMSE and MoCA. High-quality evidence supports Exergaming (SMD 0.69), Tai Chi (SMD 0.36), and traditional Chinese mind-body exercises (SMD 0.32) for improving MMSE and MoCA Score in MCI patients. For dementia, moderate-quality evidence shows resistance training (SMD 0.60) and Tai Chi (SMD 0.27) have positive effects. Aerobic exercise (MD 2.95) was more effective for AD, while mind-body exercises (MD 1.68) benefitted PD patients. Multi-component exercises (SMD 0.67) improved MMSE and MoCA scores in post-stroke cognitive impairment. For unspecified cognitive impairments, combining exercise with cognitive training and traditional Chinese exercises showed higher effectiveness. Due to small sample sizes, all findings were Class IV evidence, requiring further research. Conclusion: Moderate to high-quality evidence supports Exergaming, Tai Chi, and traditional Chinese exercises in improving cognitive function in MCI. For dementia, resistance training and Tai Chi are effective; for AD, aerobic exercise; for PD, mind-body exercises; and for post-stroke cognitive impairment, multi-component exercises are beneficial. Systematic review registration: https://www.crd.york.ac.uk/PROSPERO/view/CRD42024587635, identifier [CRD42024587635].

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)0,038
score de la tête « metaresearch » (Gemma)0,108
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 enseignants0,038
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,108
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0220,033
Bibliométrie0,0150,011
Études des sciences et des technologies0,0010,001
Communication savante0,0060,004
Science ouverte0,0030,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,102
Tête enseignante GPT0,420
Écart entre enseignants0,318 · 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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207