Effects Of Exercise On Improving Cognitive Function In MCI: An Umbrella Review Of Systematic Review And Meta-analysis
Notice bibliographique
Résumé
PURPOSE: To investigate the effects of exercise intervention on improving cognitive function in patients with Mild Cognitive Impairment (MCI). METHODS: We conducted a general review of existing meta-analyses of randomized controlled trials (RCTs) on the effects of exercise interventions on cognitive function in elderly patients with MCI.The literature was searched via PubMed, Embase, Web of Science, and the Cochrane Database of Systematic Reviews. According to the Grading of Recommendations, Assessment, Development and Evaluation (GRADE), evidence of each outcome was evaluated and graded as “high”, “moderate”, “low” or “very low” quality to draw conclusions. Additionally, we classified evidence of outcomes into 4 categories. RESULTS: We identified 10 RCT meta-analyses from 5634 independent articles. High quality evidence shows that Exergaming( SMD 0.67,95%Cl 0.23, 1.11), Traditional Chinese Exercises (TCEs) (SMD 0.32 95% CI 0.18 to 0.47), and Tai Chi (SMD o.36 95% CI 0.18 to 0.54)can significantly improve cognitive function in patients with MCI.These are moderate-quality evidence. Exercise(SMD 1.25, 95% CI 0.88 to 1.62), multi-component exercises(SMD 1.165, 95% CI 0.741 to 1.589), aerobic exercise(MD 1.23, 95% CI 0.99 to 2.47), the variety of exercises(SMD 0.65, 95% CI 0.39 to 0.91), combining cognitive and physical training(SMD 1.40, 95% CI 0.85 to 1.96), dance(MD 1.24, 95% CI 0.30 to 2.18), Baduanjin(MD 3.37, 95% CI 2.05 to 4.69) can significantly improve MMSE and MoCA scores, indicating exercise's potential to improve cognitive function in MCI patients. CONCLUSION: There is high to moderate evidence that Exergaming, Aerobics, Mind-Body Exercises, Cognitive and Physcial training, and Multiple Exercise are effective in improving cognitive function in people with MCI.Keywords: exercise, MCI, cognitive function, umbrella review, meta-analysis, systematic review
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 | 0,028 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,029 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| 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 ».