Effects of psychological therapies in people with multiple sclerosis: a systematic review and network meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
BACKGROUND: People with MS (PwMS) often experience high levels of emotional distress. Interventions to improve emotional wellbeing in PwMS are needed; however, the effectiveness of diverse psychological therapies in PwMS on cumulative outcomes is not well understood. This systematic review and network meta-analysis (NMA) aims to evaluate the effectiveness of psychological therapies in PwMS. METHODS: Five databases were searched (CINAHL, Cochrane Central Register of Controlled Trials, EMBASE, MEDLINE ALL, APA PsycINFO) from 1984 to April 2025. Randomized controlled trials that compared a psychological intervention with any comparator in PwMS were included. Two independent reviewers performed data extraction and risk of bias analysis. A standard random-effects Bayesian consistency NMA was fitted. Outcome domains included mental health, cognition, physical health, quality of life (QoL), and health economics. RESULTS: After screening, 111 studies were included in the review, 89 included in the meta-analysis, and 77 included in the NMA (n = 3911 participants). Cognitive behavioural therapy was found to be most effective in improving outcomes overall, with the greatest changes in mean difference (MD 11.0, 95% CI 5.72-16.2) when compared with control conditions. Psychological therapies significantly improved mental health outcomes (SMD 1.41; 95% CI 1.00-1.83; p < 0.00001), physical health outcomes (SMD 1.08; 95% CI 0.41-1.74; p < 0.00001), QoL (SMD 0.77; 95% CI 0.21-1.34), and cognition (SMD 0.66, 95% CI 0.24-1.07) in PwMS. CONCLUSIONS: This systematic review and NMA found that psychological interventions are broadly effective in PwMS across mental health, cognitive, physical and QoL outcome domains, and provides strong support for their use in the care of PwMS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,028 | 0,039 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».