MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413112493 · doi:10.1371/journal.pone.0329397

Effects of non-pharmacological interventions on cognitive function in patients with type 2 diabetes mellitus and mild cognitive impairment: A network meta-analysis

2025· article· en· W4413112493 sur OpenAlexaboutno aff
Wei An, Dongqing Guo, Jie Wang, Xin Chu

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisCognitionInternal medicineType 2 diabetesPsychological interventionPhysical therapyDiabetes mellitusMontreal Cognitive AssessmentType 2 Diabetes MellitusCognitive impairmentPsychiatryEndocrinology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Non-pharmacological intervention represents a significant therapeutic modality for the cognitive function intervention management of patients with type 2 diabetes accompanied by mild cognitive impairment. However, it remains unclear which intervention measure is the most effective. The objective of this study is to compare and rank the influences of various non-pharmacological interventions on the cognitive function of patients with type 2 diabetes and mild cognitive impairment. METHODS: Eight databases from the establishment of the database to November 2024 were retrieved. The quality of the literature was evaluated using the RoB2.0 tool. Paired Meta-analysis was conducted using Stata/SE 15.1 software, and Network Meta-analysis was performed using R 4.3.1 software. RESULTS: A total of 25 literatures were incorporated, encompassing 5 intervention measures, with a sample size of 2,446 cases. The results indicated that in the pairwise meta-analysis, when the MoCA score was used as the outcome indicator, cognitive training [MD = 2.3, 95% CI (1.64, 2.96), P < 0.01], exercise therapy [MD = 2.11, 95% CI (1.30, 2.92), P < 0.01], TCM therapy [MD = 2.28, 95% CI (0.76, 3.81), P < 0.01], and comprehensive intervention [MD = 1.98, 95% CI (1.53, 2.48), P < 0.01] were more effective in improving the cognitive status of patients than the control group; when the MMSE was used as the outcome indicator, cognitive training [MD = 2.03 95% CI (1.57, 2.49), P < 0.01], exercise therapy [MD = 2.78, 95% CI (1.48, 4.08), P < 0.01], and TCM therapy [MD = 2.09, 95% CI (1.46, 2.73), P < 0.01] were more effective in improving the cognitive status of patients than the control group. The SUCRA ranking revealed that in terms of improving the MoCA scores, the comprehensive intervention (SUCRA 76.9%), cognitive training (SUCRA 63.3%), and TCM therapy (SUCRA 57.9%) were the top 3 preferred treatment measures; for improving the MMSE scores, exercise therapy (SUCRA 78.0%) and cognitive training (SUCRA 73.8%) were the preferred treatment measures. CONCLUSION: The current evidence indicates that cognitive training, exercise therapy, and TCM therapy might be relatively effective intervention approaches for improving the cognitive function of patients with type 2 diabetes mellitus (T2DM) accompanied by mild cognitive impairment (MCI), and cognitive training could potentially be the most efficacious non-pharmacological treatment method. Constrained by the quantity and quality of the studies, more high-quality research is still required in the future to further validate this conclusion.

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)0,018
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,032
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0170,056
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,056
Tête enseignante GPT0,323
Écart entre enseignants0,268 · 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'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→