在40项随机对照试验(2,667名参与者)中,运动显著提高了抑郁症缓解率(OR = 2.40),并减轻了症状严重程度(SMD = –0.96)。这些结果支持将运动作为辅助治疗手段,但因研究间的异质性和偏倚,结论的确定性受到限制。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
在40项随机对照试验(2,667名参与者)中,运动显著提高了抑郁症缓解率(OR = 2.40),并减轻了症状严重程度(SMD = –0.96)。这些结果支持将运动作为辅助治疗手段,但因研究间的异质性和偏倚,结论的确定性受到限制。
这项荟萃分析估算了运动对抑郁症状的影响。与比较不同运动方式的网状荟萃分析不同,本项成对荟萃分析专门量化了结构化运动与不运动之间的效应,采用了严格的对照组定义和更新的方法。截至2025年11月的文献检索共识别出10,123条记录。共有40项随机对照试验符合纳入标准。采用随机效应模型计算合并效应量;以比值比(OR)表示缓解率,以标准化均数差(SMD)表示抑郁评分。异质性通过I2进行评估。与对照组相比,运动显著提高了缓解率(OR = 2.40;95% CI,1.97–2.93; p < 0.001;I2 = 49%),并降低了抑郁评分(SMD = –0.96;95% CI,–1.27 至 –0.65; p < 0.001;I2 = 87%)。为实现额外一例缓解所需的治疗人数为2.1。合并SMD对应具有临床意义的减分幅度。亚组分析显示,与主动对照(如药物治疗)相比,监督下的运动和被动对照(如等待名单)的效应更大。然而,研究结果存在重大局限性:仅12项(30%)研究(共40项)具有较低的偏倚风险(RoB 2);大多数研究随访时间较短(≤16周);对照条件差异较大(从等待名单到药物治疗);尽管使用了SMD,抑郁评分仍存在极高的异质性(I2 = 87%)。SMD的95%预测区间跨越零点,表明运动可能并不对所有未来人群均有益处。根据推荐等级评估、制定与评价(GRADE)系统,缓解率的证据质量为中等,而抑郁评分的证据质量为低。尽管存在这些局限性,运动仍与显著更高的缓解率和更低的抑郁评分相关。这些结果支持将运动作为治疗抑郁的辅助手段,尤其在实现缓解方面。然而,在能够提出临床建议之前,仍需开展结果指标标准化、大规模、高质量的随机对照试验(RCT),并延长随访时间。
抑郁症是一种常见的致残性精神疾病,与较高的死亡率、躯体疾病共病以及生活质量下降密切相关1。全球有超过3亿人(约占全球人口的4.4%)患有抑郁症2。目前推荐的治疗方法包括心理治疗、抗抑郁药物治疗,或两者联合使用3。然而,心理治疗通常费用昂贵,且仅能使约50%的患者症状缓解4。抗抑郁药物常引发停药症状、病情复发及不良反应5。值得注意的是,约三分之二的成年抑郁症患者未能获得适当的治疗6。未经治疗的抑郁症常会恶化,并导致共病发生,进一步增加社会负担7。英国国家卫生与临床优化研究所(NICE)和世界卫生组织(WHO)均建议将运动作为抑郁症的辅助治疗手段8,9。
多项针对运动对抑郁症患者抗抑郁效果的荟萃分析结果为上述建议提供了证据支持10,11,12。然而,其中一些荟萃分析8报告了运动的显著效应,而另一些则仅发现中等至较弱的效应11,12。这些相互矛盾的发现源于在纳入标准和分析方法上的方法学与概念分歧。例如,部分研究排除了使用标准化筛查工具评估抑郁状态的研究,而仅聚焦于明确诊断为重度抑郁障碍的患者8。对于2003年至2019年间发表的研究,其他分析则分别考察了单独运动干预或运动联合药物治疗作为抑郁症治疗手段的效果11,12。此外,某些综述还纳入了对照组患者也接受了运动干预的试验13。鉴于即使是轻度运动也可能具有抗抑郁作用,这种情况可能引入偏倚14。
关键的是,一些评估已表示担忧:当仅限于"低偏倚风险"的随机对照试验(RCTs)时,运动并未显示出明显的干预效果8,13。因此,目前的荟萃分析尚未提供足够有力的数据,以支持全球医生将运动作为基于证据且有效的抑郁症治疗选择。一项荟萃分析11针对这些方法学缺陷进行了改进,该研究仅纳入了将运动与非主动对照组进行比较的研究,并聚焦于那些使用诊断工具确诊重度抑郁障碍,或使用经过验证的筛查量表设定阈值来定义抑郁样本的研究。但该研究未纳入比较不同运动干预方案的试验。然而,近年来已有大量新论文发表,亟需开展一项更新的荟萃分析,以系统评估运动的抗抑郁效果,并克服既往综述的局限性。
这凸显了快速、便捷的替代治疗方案的必要性。 近期的系统综述已证实,结构化的身体活动和运动项目能够持续改善抑郁症状及相关心理健康结局,支持将运动作为一种具有潜在可扩展性的辅助或补充干预手段15,16。该文稿涵盖多种运动形式,包括有氧运动、抗阻训练、混合运动、瑜伽、太极、舞蹈以及其他身心干预方法。然而,相关讨论仍倾向于将"运动"视为单一的干预类别15。尽管将运动作为抑郁症治疗手段的证据基础日益增长,但仍存在若干未解决的问题,有必要开展一项更新的荟萃分析。首先,以往的荟萃分析得出了相互矛盾的结论。这些差异源于方法学上的不同,包括纳入了设有主动对照组(如拉伸、放松训练或心理治疗)的研究,这可能削弱效应量;纳入了对照组也接受了运动干预的研究;以及使用了不同的偏倚风险评估工具。其次,该领域最近一次全面的荟萃分析发表于2016至2019年之间10,11,12。自2019年以来,至少有23项新的随机对照试验已发表(根据本次检索结果),显著扩大了现有的证据基础。因此,有必要进行一次更新的综合分析,以纳入这些新数据,并确定累积证据是否支持或反驳先前的结论。
第三,以往的荟萃分析并未始终如一地解决影响临床解释的关键方法学问题。这些问题包括:针对在不同抑郁量表上测量的连续性结局采用适当的效应指标(应使用标准化均数差而非均数差)、对异质性对照条件(被动对照与主动对照)的处理、纳入以非精神科人群的次要结局为抑郁的研究、在高度异质性背景下评估发表偏倚,以及计算预测区间以传达未来研究中预期效应的范围。第四,以往尚无荟萃分析系统地检验运动疗效在全部潜在效应修饰因素范围内的调节作用,这些因素包括运动模式(有氧运动、抗阻训练、混合运动、瑜伽)、强度(轻度、中等、剧烈)、持续时间、是否监督、形式(团体 vs. 个体)、对照类型、抑郁诊断标准(重度抑郁障碍 vs. 筛查诊断)、年龄组别以及偏倚风险。理解这些调节因素对于运动处方的制定至关重要。
本项荟萃分析通过以下创新之处解决了上述空白。首先,更新了证据基础,纳入了截至2025年11月发表的研究,共新增23项既往荟萃分析未包含的随机试验。其次,采用了方法学上严谨的纳入标准,仅纳入将运动干预与非运动对照组进行比较的研究(排除对照组接受拉伸、放松或主动心理干预的试验),以分离出运动的特异性效应。第三,选择了恰当的效应量指标,对于连续性抑郁结局指标,采用标准化均数差(SMD)而非均数差,以考虑到各研究使用了不同的抑郁评估量表。第四,进行了全面的调节效应分析,预先设定对运动特征、人群特征和研究设计特征进行亚组分析,以明确运动干预效果最显著的适用条件。第五,采用了当前最新的偏倚风险评估工具,即使用更新后的RoB 2工具(2019年版本),而非既往荟萃分析所用的旧版RoB 1工具。第六,注重临床可解释性,计算了治疗所需人数(NNT),将SMD转换为临床常用的指标(BDI和HAM-D评分点),并报告预测区间,以说明未来应用中可能的效果范围。最后,评估了证据的确定性,采用GRADE(推荐意见分级、评估、制定与评价)系统对每项结局指标的证据确定性进行分级,而这一评级在既往运动-抑郁荟萃分析中尚未被一致报告。
尽管近期的网络荟萃分析(NMA)和伞状综述已对运动干预抑郁症的证据进行了整合,但尚无研究直接回答这一基础性的成对比较问题, "与不进行锻炼相比,任何结构化锻炼都能减轻抑郁症状吗?" NMA 将异质性的对照条件(如等待名单、药物治疗、心理治疗)进行合并,以比较不同干预方式,这掩盖了运动与真正不活动之间的特定效应。伞状综述整合了先前采用不同纳入标准和偏倚风险评估工具的荟萃分析,导致方法学上的异质性未能得到解决。本项成对荟萃分析通过预设的纳入标准、RoB 2 工具、GRADE 方法、预测区间和需治数(NNT),提供了运动与非运动对照之间单一、最新且内部一致的效应估计,填补了这一特定空白——其中包括23项此前在此框架内尚未整合的新试验。该基础性效应估计可与NMA互为补充,以回答 是否 在提问之前先完成练习 哪个 运动效果最佳。
运动是一种行为干预,而非药物。 在本文中,运动通过治疗所需人数(NNT)和缓解率等指标,与药物治疗和心理治疗进行比较。这种将“运动视为药物”的表述方式在临床沟通和指南制定中具有实用价值,因为它允许使用通用指标直接比较不同治疗方式的效应大小。然而,必须认识到两者之间的重要区别。运动是一种复杂的行为干预,需要患者的主动参与、动机驱动,通常还需要监督或环境支持。与药片不同,运动没有直接的生物学靶点,个体之间不存在标准化的剂量-效应曲线,且依从性受到抑郁相关快感缺失和疲劳等心理社会因素的显著影响。此外,运动不会产生类似的副作用谱(例如,不会出现戒断综合征或代谢紊乱),但仍存在受伤风险和实际操作中的障碍。因此,尽管本文提供了疗效的比较数据,但目的并非暗示运动可与药物互换;相反,应将运动视为一种具有独特实施要求的、以患者为中心的补充性选择。
这项荟萃分析旨在比较运动干预组与非运动对照组,以更新当前关于运动对降低临床抑郁症水平个体(包括重度抑郁障碍和持续性抑郁障碍)抑郁症状效果的证据。同时,本研究还考察了发表偏倚的存在性以及可能调节运动抗抑郁效果的因素。因此,该荟萃分析评估了针对抑郁症状的运动干预措施。
访问受限。请登录或开始试用以查看此内容。
纳入标准
纳入研究需满足以下所有标准,这些标准根据PICOS框架(研究人群、干预措施、对照措施、结局指标、研究设计)进行组织17。本研究中使用的所有平台和材料均列于材料表中。所有数据库检索均于2025年11月完成。除RevMan 5.3和EndNote 20外,未使用其他专有软件(如SAS、SPSS、R)。GRADE评估通过GRADEpro GDT在线工具手动完成;版本信息记录为访问当日的版本。
群体 (P)
受试者具有临床显著的抑郁症状,定义为根据 DSM 标准(任何版本)或 ICD 标准,经结构化临床访谈(如 SCID、MINI、CIDI)确诊为重度抑郁障碍(MDD)或恶劣心境;或在标准化抑郁筛查量表上得分超过经验证的临界值(如贝克抑郁量表 ≥ 14 分,汉密尔顿抑郁量表 ≥ 14 分,流调中心抑郁量表 ≥ 16 分,患者健康问卷-9 ≥ 10 分,老年抑郁量表 ≥ 11 分)。受试者可包括任何年龄阶段的个体(儿童、青少年、成人、老年人)18。对于纳入共患医学或精神疾病(如心血管疾病、糖尿病、焦虑障碍、物质使用障碍)受试者的研究,仅在主要分析中对抑郁亚组结果单独报告,或 ≥80% 的受试者符合抑郁诊断标准时才予以纳入。以非抑郁人群中的抑郁作为次要结局的研究(如未经抑郁筛查的心力衰竭患者)则被排除。对基线抑郁严重程度(轻度、中度、重度)无限制,但需提取严重程度信息用于亚组分析。
干预(I)
干预措施包括有结构的、有计划的体育锻炼,定义为任何形式的有氧运动、抗阻运动、混合运动(有氧+抗阻)或替代性运动(如瑜伽、太极、舞蹈),且持续时间至少为2周。锻炼干预可以是有监督的(由教练、治疗师或指导员监督),也可以是无监督的(基于家庭、自主进行)。若锻炼与其他主动干预措施联合实施的研究(例如锻炼+药物治疗、锻炼+正念训练),仅在能够分离出锻炼效果的情况下予以纳入(例如锻炼+药物治疗组与仅药物治疗组的比较)。仅提供身体活动建议(无结构性锻炼处方)或生活方式咨询的干预措施的研究则被排除。
比较器 (C)
对照组未接受任何结构化运动干预。可接受的对照条件分为被动对照(无主动治疗性干预),例如等待名单(延迟治疗)、常规护理(标准医学管理但无结构化运动)或无干预;以及主动对照(非运动治疗性干预),例如注意力控制(如非运动健康教育、放松训练或未达到运动强度标准的轻度拉伸)、药物治疗(单独使用抗抑郁药物)或心理治疗(不含运动的心理疗法)。若研究中对照组接受了任何形式的结构化运动(包括达到运动强度标准的最低限度运动或拉伸),则该研究被排除。关于差异的说明:尽管创新性部分指出,包含主动心理干预或拉伸/放松对照的研究被排除,但随后为了反映“运动与其他 established 治疗相比”的真实临床问题,纳入标准已扩展至包括主动对照(药物治疗、心理治疗、注意力控制)。这一差异在讨论部分已予以说明。所有分析均按对照类型(被动对照 vs. 主动对照)进行分层,以考察对照类型对效应量的影响。
结果(O)
该研究至少报告了一项针对抑郁症的结局指标:抑郁症缓解情况(二分类变量,由研究作者定义为不再符合诊断标准,或在经过验证的量表上得分低于临界值);或(b)采用经过验证的量表测量的抑郁严重程度连续评分的变化(例如 HAM-D、BDI、CES-D、PHQ-9、GDS、MADRS)。仅报告非特异性情绪指标(例如“幸福感”、“情绪状态”而未使用经过验证的抑郁量表)的研究被排除。
研究设计(S)
仅纳入随机对照试验(RCTs)。排除前瞻性队列研究、病例对照研究、回顾性研究、病例系列和病例报告,因为这些研究在评估治疗效应时存在较高的混杂和选择偏倚风险。研究设计可为平行组设计或交叉设计(对于交叉试验,仅提取第一阶段数据)。要求每组在基线时至少有10名参与者,以尽量减少小样本研究效应。未限制语言,但非英文研究仅在可获得完整翻译的情况下被纳入。
排除标准
排除了抑郁症并非主要结局指标,或研究人群并非以抑郁症为主要筛选条件的研究(例如,将抑郁症作为次要指标的普通医学人群)。排除了运动干预作为多组分生活方式干预一部分实施、且无法分离出独立运动效应的研究。排除了对照组接受任何形式结构化运动干预的研究。排除了缺乏足够数据计算效应量(未报告或无法从作者处获取均值、标准差或变化分数)的研究。排除了同一研究队列的重复发表文献(仅纳入最完整或最新近的报告)。排除了会议摘要、学位论文以及无法获取全文的未发表手稿。
信息来源
完整的研究流程如图1中的PRISMA流程图所示。若文献满足以下纳入标准,则被纳入本研究:研究为随机对照试验(RCT);所选受试患者患有抑郁症;对照条件为非运动干预。可接受的对照组包括常规护理(不包含结构化运动的标准医疗管理)、等待治疗(延迟干预)、无任何干预、注意力控制(例如非运动的健康教育、放松训练或未达到运动处方标准的轻度拉伸),或药物治疗(单独使用抗抑郁药)。若对照组接受了任何形式的结构化有氧、抗阻或混合运动训练,则该研究被排除。若对照组接受了心理治疗或认知行为疗法,但明确界定为无运动成分,则此类研究可被纳入。
该研究将运动干预与对照条件进行了比较。对照组定义为非运动干预的对照,包括常规护理、等待列表、无治疗、注意力控制(例如健康教育、放松或拉伸活动,但未达到运动强度标准)或单独的药物治疗。如果对照组接受了任何结构化的运动干预,或运动干预仅与其他运动方案进行比较而缺乏非运动对照组,则该研究被排除。未评估运动干预对抑郁症状影响的研究、针对无运动或无对照的患者的抑郁症研究,以及无对照组的研究均被排除。
多组研究的处理方法
对于包含两个以上相关组别的研究(例如,多种运动干预或多个对照组),采用以下策略以避免重复计数和分析单位错误,即多个运动组与单个对照组的比较。当一项研究将两种或多种不同的运动干预(例如,有氧训练与抗阻训练)与一个共同的对照组进行比较时,根据《Cochrane 手册》(第23章)推荐的公式,将各运动组合并为一个汇总的运动组。该方法可避免对照组参与者被重复计数,同时保持统计学上的独立性;当运动干预与多个非运动对照条件进行比较时(例如,常规护理和药物治疗),仅选择最符合“非运动对照”定义的对照条件(优先顺序:等待名单 ≥ 常规护理 ≥ 注意力控制 > 药物治疗 > 心理治疗)。
若存在多个非运动对照组,则选择其中最保守(活动最少)的对照组进行比较,以避免高估运动的效果;运动组与仅运动组(无非运动对照组)进行比较。对于仅比较不同类型运动(例如,高强度运动与低强度运动)而未设置非运动对照组的研究,由于不符合“运动 vs. 对照”的比较标准,故在主要分析中予以排除。对于联合干预研究,若干预组包含运动及其他主动干预成分(如运动+药物治疗、运动+正念训练),仅当运动效应可被独立评估时,该组才被纳入分析。如果联合干预组与仅含相同非运动干预成分的对照组进行比较(例如,运动+药物治疗 vs. 仅药物治疗),则两组间的差异被视为反映运动的效果。若无法实现此类效应分离,则该研究被排除。为评估多组试验合并策略的稳健性,进行了敏感性分析,排除所有多组研究,并将结果与主要分析结果进行比较,任何显著差异均予以报告。
当存在多个非运动干预对照组时,对照组的选择采用以下方式:如果某项研究将运动干预与两种或以上的不同对照条件进行比较(例如常规护理和药物治疗),则应用分层选择规则以避免任意选择,优先选择被动对照(等待名单 ≥ 常规护理 ≥ 无干预)而非主动对照,以更好地分离出运动干预的特异性效应。如果仅存在主动对照,则选择最保守的对照组(药物治疗 ≥ 心理治疗 ≥ 注意力控制),以避免高估运动干预的效果;同时进行敏感性分析,纳入所有可用的对照组(通过将运动组在不同对照间拆分),以检验选择规则是否影响合并效应量。这些敏感性分析的结果见《补充材料》。
检索策略
系统检索了以下电子数据库自建库至2025年11月的文献:PubMed、Embase(OVID平台)、Cochrane对照试验中心注册库(CENTRAL)、MEDLINE(OVID平台)以及Google Scholar。完整的检索策略(包括MeSH术语、Emtree术语、关键词、布尔运算符、截词符和字段标签)见表1。对于PubMed和Embase,检索限定为人类研究且语言为英文。对于CENTRAL和MEDLINE,检索限定为随机对照试验。由于Google Scholar平台对复杂布尔检索存在限制,采用简化检索式('exercise AND depression AND (remission OR medication OR treatment)')按相关性排序检索前500条记录19。
除了数据库检索外,还进行了以下补充检索:对所有纳入研究及相关系统综述的参考文献列表进行手工检索(滚雪球检索),利用 Google Scholar 和 Web of Science 对关键纳入研究进行引文追踪,对重点期刊(Mental Health and Physical Activity、Journal of Affective Disorders、Depression and Anxiety 和 Psychosomatic Medicine)在 2020–2025 年间发表的文章进行手工检索,并使用检索词“exercise” AND “depression”在临床试验注册库(ClinicalTrials.gov、WHO ICTRP)中检索尚未发表或正在进行的试验。完整的检索记录(包括每个数据库在各检索步骤中检出的文献数量)见补充表 1。本研究遵循了 PRISMA 2020 检索报告清单(补充文件 1)。
筛选过程
所有检出的文献记录均导出至 EndNote 20 以去除重复项。去重后,两名独立评审员对随机抽取的 100 条记录进行校准练习,以确保一致地应用纳入标准。在确认一致性达到可接受水平(κ ≥ 0.80)后,两名评审员独立地根据预先设定的纳入标准对剩余记录的标题和摘要进行筛选。任一评审员认为可能相关的记录将进入全文评估阶段。获取全文后,由相同的两名评审员独立进行评估。全文阶段的排除原因依据 PRISMA 指南进行记录(例如:无运动干预、无抑郁诊断、无对照组、非对照设计、重复发表)。任一筛选阶段出现的分歧通过讨论解决;若无法达成共识,则由通讯作者做出最终决定。全文纳入的一致性采用 Cohen's kappa 系数进行计算。尽管使用 EndNote 20 进行初步去重,但在两名独立评审员手动筛选标题和摘要期间,仍识别并剔除了软件未能检出的额外重复文献(例如:由于标题、作者姓名或期刊缩写存在细微差异而未被识别的重复项)。
筛选与选择过程总结于 PRISMA 2020 流程图(图1),其中包括识别出的文献数量、去除的重复文献、进行筛选的文献、获取全文的报告、评估纳入资格的报告、最终纳入的研究,以及各阶段具体的排除原因。在 Google Scholar 中使用简化检索式“exercise AND depression AND (remission OR medication OR treatment)”进行检索,设置条件为:按相关性排序、排除引用文献、包含专利。共筛查前 500 条记录。检索于 2025 年 11 月 15 日上午 10:00(GMT)进行,未启用个性化设置,并于 2025 年 11 月 16 日重复检索以验证结果的一致性。
数据提取
两名评审员使用经过标准化和预试验的数据提取表,独立地从每项纳入的研究中提取数据。收集的信息包括:第一作者姓名、发表年份、研究实施国家、样本量(总计、运动组、对照组)、参与者特征(年龄、抑郁诊断或筛查方法、基线抑郁严重程度)、干预细节(运动方式、强度、频率、持续时间、是否监督、实施形式)、对照组描述、抑郁结局测量指标(量表名称及评分范围)、结局评估时间点,以及统计结果(均值、标准差、效应估计值、置信区间、p值)20。评审员之间的分歧通过讨论或咨询通讯作者予以解决。
数据项
当某项研究产生不同结果时,数据将根据运动干预对抑郁症状的评估结果独立收集。
偏倚风险评估
两名作者使用Cochrane RoB 2工具(2019年8月版本)独立评估每项纳入研究的偏倚风险,该工具适用于随机对照试验。RoB 2工具评估五个方面的偏倚风险,包括随机化过程产生的偏倚、对预期干预措施的偏离、结局数据缺失、结局测量方式以及报告结果的选择。针对每个领域,评审人员作出“偏倚风险低”、“存在一定偏倚风险”或“偏倚风险高”的判断。随后,根据RoB 2算法为每项研究得出总体偏倚风险判断:“偏倚风险低”(所有领域均为偏倚风险低)、“存在一定偏倚风险”(至少一个领域存在偏倚风险但无高风险领域),或“偏倚风险高”(任一领域被评定为高风险,或多个领域存在偏倚风险)。评审人员之间的分歧通过讨论解决,必要时由通讯作者裁定。研究未因偏倚风险判断而被排除;而是计划进行敏感性分析,将荟萃分析限制在总体判断为“偏倚风险低”或“偏倚风险低+存在一定偏倚风险”的研究,以检验研究结果的稳健性。总体偏倚风险判断的评审者间一致性采用Cohen’s kappa21进行计算。
亚组分析(调节因子分析)
为了探索异质性的潜在来源并确定影响运动效果的调节因素,我们基于临床和方法学相关的变量进行了一系列预先设定的亚组分析。仅对每个亚组至少包含10项研究的结局指标进行亚组分析(以确保足够的统计效能)。以下亚组变量为预先指定的变量。
运动特征
运动模式分为有氧运动(如步行、跑步、骑自行车)、抗阻运动(如力量训练)、混合运动(有氧+抗阻)以及其他运动(如瑜伽、舞蹈、基于正念的身心练习)。
运动强度分为低强度(例如,缓慢行走、拉伸)与中等强度(例如,快走、中等强度骑行)与高强度(例如,跑步、高强度间歇训练)——根据每项研究中报告的标准心率或主观用力程度标准进行分类。
运动持续时间(周)分为短(≤8 周)、中(9–12 周)和长(≥13 周)。
监督方式分为有监督(由指导员、教练或治疗师带领的锻炼课程)和无监督(基于家庭或自我指导,无直接监督)。
以小组形式或个体形式(家庭或一对一)进行设置。
人群特征
抑郁症的诊断分为两类:一类为重度抑郁障碍(MDD),通过结构化临床访谈进行诊断,例如《精神障碍诊断与统计手册》结构化临床访谈(SCID)或迷你国际神经精神病学访谈(MINI);另一类为通过经过验证的筛查工具并依据既定截断分数识别出的显著抑郁症状,包括流行病学研究中心抑郁量表(CES-D ≥ 16)、贝克抑郁量表(BDI ≥ 14)或患者健康问卷-9(PHQ-9 ≥ 10)。年龄分组定义为成人(18–59 岁)或老年成人(≥60 岁)。基线抑郁严重程度根据各评估量表的标准截断分数划分为中度或重度,例如,中度抑郁定义为汉密尔顿抑郁量表(HAM-D)得分 14–18 或 BDI 得分 14–19,重度抑郁定义为 HAM-D 得分 ≥19 或 BDI 得分 ≥20。
研究设计特征
对照组类型分为被动对照(包括等待名单、无治疗或常规护理)和主动对照(包括注意力控制干预、药物治疗或心理治疗)。发表年份被划分为三个时期——2010年以前、2010–2019年以及2020–2025年,以考察研究结果中可能存在的时序趋势。偏倚风险采用Cochrane偏倚风险评估工具2版(RoB 2)进行评估,并分类为低风险、存在一定担忧或高风险。样本量被划分为小样本(总参与者数 n < 50)、中等样本(50–99名参与者)或大样本(≥100名参与者)。对照组类型进一步细分为被动对照(等待名单、常规护理、无干预)——此类对照未提供主动的治疗替代方案,因此运动干预的效果可能因期望效应或关注效应而被放大;以及主动对照(注意力控制、药物治疗、心理治疗)——此类对照提供了具有可信治疗价值的非运动干预,从而更保守地估计运动的特异性效应。结果证实了被动对照组相较于主动对照组具有显著更大的效应量(交互作用的p值 < 0.10),与假设一致(见表3)。
亚组分析的统计学方法
对于每个亚组分析,采用随机效应模型合并各亚组内的研究22为比较亚组,采用混合效应元回归或亚组交互检验。具体而言,计算亚组间差异的Q统计量,并报告相应的交互作用p值。A p-值 < 亚组差异的统计学显著性水平设定为0.10(而非0.05),以反映在Meta分析中交互作用检验的统计效能较低。未对多重比较进行校正(共进行了12项亚组分析);因此,亚组分析结果应视为探索性发现。
敏感性分析
为评估主要研究结果的稳健性,进行了以下预先设定的敏感性分析:模型选择——采用固定效应模型(逆方差法)重新分析两个结局,以与主要的随机效应结果进行比较;排除高偏倚风险研究——剔除总体偏倚风险评估工具(RoB 2)判定为“高偏倚风险”的研究(n = 17),并对剩余研究(低风险 + 存在一定担忧)重新进行分析;排除多组试验——剔除将多个运动干预组合并,或使用单一对照组进行多次比较的研究(n = 9),仅对双臂试验重新分析;排除含插补或假设数据的研究——剔除变化评分的标准差为假设值(r = 0.50)而非实际报告的研究(n = 6);排除CONSORT前时期研究——剔除2001年之前发表的研究(n = 5),以评估报告质量的提升是否影响效应量估计;影响分析(逐一剔除法)——进行逐一剔除的荟萃分析,依次移除每项研究并重新计算合并效应量,以识别具有显著影响的研究(定义为移除后使点估计值发生明显变化的研究) >10% 或使置信区间超出原始范围),以及针对报告干预后 ≥6 个月随访数据的研究进行的长期随访分析(n = 6),这些数据被单独合并,以评估运动效果的持久性,且不与主要终点(干预后)数据混合。除非另有说明,所有敏感性分析均采用随机效应模型进行。敏感性分析的结果在结果部分及补充材料中报告。任何偏离上述预先设定分析的情况均予以透明报告。
连续型结局数据(抑郁评分)的提取
对于每项纳入的研究,提取运动组和对照组在主要终点(定义为最接近运动干预结束时间点)的平均抑郁评分及其标准差(SD)。为了最大程度地提高各研究间的一致性,采用以下分层提取规则:当可获得时,优先提取经过调整的效应估计值(例如,由协方差分析得出的组间差异及其95%置信区间或标准误),因为这些估计值能够校正基线不平衡,通常可提供对干预效应最无偏的估计。当未报告调整后的效应时,提取从基线的变化值(后减前或百分比变化)及其标准差。如果变化值的标准差未直接报告,则使用以下公式进行计算:
(1)
假设保守的相关系数为 r = 0.5,除非该研究提供了报告的或可推算的相关系数。当既无调整后的效应值也无变化量值可用时,仅提取干预后评分(未进行调整或计算变化量)。这是最不优先选择的方法,因为它未考虑组间可能存在的基线差异。当均值和标准差未直接报告时,利用《Cochrane 手册》(第6章)中的标准公式,将其他可获得的统计量(如中位数和四分位距、t 统计量、F 统计量、p 值或95%置信区间)转换为均值和标准差。仅报告中位数和范围的研究,只有在样本量足够大(每组 n ≥ 25)以假设近似正态分布,或研究作者应要求提供了均值和标准差的情况下,才予以纳入。
多个时间点:对于报告了多个随访时间点的研究,提取最接近主动干预期结束时的时间点(通常为8–12周)。长期随访数据(干预后≥6个月)被单独提取,用于计划中的关于疗效持久性的二次分析,但这些数据未与主要终点数据合并。多种抑郁量表:当一项研究报告了多个抑郁量表结果时(例如,同时报告HAM-D和BDI),优先提取由临床医生评定的量表(HAM-D、MADRS),而非自评量表(BDI、CES-D、PHQ-9、GDS),因为临床医生评定的量表在抑郁症试验中被视为金标准。若两者均有报告,则提取研究作者预先定义的主要结局指标。缺失标准差(SD)的填补:若标准差缺失且无法根据现有统计量计算,则通过选取样本量相近且使用相同抑郁量表的研究的平均SD进行填补。随后进行了敏感性分析,排除了使用填补SD的研究,以评估该填补方法的影响。所有数据提取决定均由两名作者使用标准化的数据提取表格独立完成。分歧通过讨论或由通讯作者解决。提取规则及任何偏离情况均被记录。
效应指标
对于二分类结局(抑郁症缓解),计算了比值比(OR)及其95%置信区间(CI)。对于连续性结局(抑郁严重程度评分),纳入的研究预期会使用不同的抑郁评定量表(例如,汉密尔顿抑郁量表、贝克抑郁量表、PHQ-9、CES-D、老年抑郁量表)。尽管纳入的研究使用了不同的抑郁评定量表,但仍报告了标准化均数差(SMD),因为所有量表均有 established 转换方程可转换为 HAM-D。
统计整合
对于二分类结局(抑郁缓解),计算合并的比值比(OR)及其95%置信区间(CI)。对于连续性结局(抑郁严重程度评分),由于纳入研究使用了不同的抑郁评定量表,因此计算合并的标准化均数差(SMD,Hedges' g)及其95% CI。鉴于预期研究间存在临床和方法学上的异质性(运动干预方案、人群、对照条件和结局指标存在差异),所有主要分析预先选择采用随机效应模型(DerSimonian和Laird法)22。异质性通过I2统计量进行量化,并依据Cochrane手册标准解释如下:0–40%(可能不重要)、30–60%(中等异质性)、50–90%(显著异质性)以及75–100%(高度异质性)。同时估计了研究间的方差(tau2),并在适当时计算合并效应的95%预测区间。
统计分析与异质性
由于纳入研究之间在临床和方法学上预计存在多样性(包括运动类型、强度、持续时间、监督情况、人群特征、抑郁严重程度、对照条件以及抑郁评估量表的差异),所有主要分析预先选择采用随机效应模型(DerSimonian和Laird法)22。随机效应模型假设真实效应在不同研究间存在变异,所提供的估计更为保守,且置信区间更宽,适用于预期存在的异质性情况。
异质性评估
采用 I2 统计量来量化异质性,该统计量表示研究间总变异中由真实异质性而非随机误差所导致的比例。I2 值的解释如下:0–40%(可能不重要);30–60%(中等异质性);50–90%(显著异质性);75–100%(高度异质性),依据 Cochrane 手册标准。除 I2 外,还估算了研究间方差(tau2),并在适当时报告合并效应的 95% 预测区间。
模型选择依据
在任何主要分析中均未采用固定效应模型,因为这些研究在功能上并不完全相同(它们在运动干预方案、研究人群和结局指标方面存在差异),在运动-抑郁症研究中,假设所有研究共享一个真实的单一效应是不合理的;即使 I2 值看似较低(例如,缓解率的 I2 = 48%),仅临床异质性就足以支持采用随机效应模型。为确保完整性,也进行了使用固定效应模型的敏感性分析,以检验模型选择是否影响结论;这些结果已在补充材料中报告。
发表偏倚评估
采用漏斗图的视觉检查和Egger线性回归检验来评估发表偏倚和小研究效应。对于每个结局指标,均生成漏斗图,以效应量(缓解率的对数优势比;抑郁评分的标准均数差)为纵轴,以其标准误为横轴。在定量评估中,Egger检验将标准化效应估计值对其精确度(标准误的倒数)进行回归分析。若截距具有统计学显著性(在包含≥10项研究的荟萃分析中,p < 0.10),则提示存在漏斗图不对称性,可能表明存在发表偏倚或小研究效应;相反, p ≥ 0.10 则表明无此类偏倚的统计学证据。
预测区间
在主要的随机效应模型荟萃分析中,计算了95%预测区间,用于估计未来研究的真实效应值可能落入的范围。较宽的预测区间表明,运动的效果在不同环境和人群中可能存在显著差异,这对临床实践具有重要意义。对于多组干预研究,若将多个运动干预组合并为一个组,则采用《Cochrane 手册》中的公式计算合并后的均值、标准差和样本量。对于在多个运动比较中使用单一对照组的研究,在计算效应量时,通过将对照组样本量除以运动干预组的数量来避免重复计数。所有分析均使用 Reviewer Manager 5.3 版本完成,多组处理方法由两名作者独立验证。
需治疗人数(NNT)计算
治疗所需例数(NNT)通过使用以下公式从缓解的合并比值比(OR)计算得出

其中,CER(对照事件率)为所有纳入研究的合并缓解率。NNT 还使用了 Furukawa 和 Leucht(2011)提出的替代方法进行计算,该方法通过正态曲线下面积将 Cohen's d(来自 SMD)转换为 NNT。NNT 值的计算包括主要分析(所有研究)、亚组分析(低偏倚风险研究、仅限重性抑郁障碍的研究、有监督的运动干预研究),并用于与已发表的心理治疗和抗抑郁药物的 NNT 值进行比较。NNT ≤ 10 被认为具有临床意义。
转换为临床常用指标(BDI 和 HAM-D)
为了提高临床可解释性,将抑郁症状评分的合并标准化均数差(SMD)转换为两种常用抑郁量表上的估计均数差:贝克抑郁量表(BDI,评分范围0–63)和汉密尔顿抑郁量表(HAM-D,评分范围0–52)。转换采用以下公式

其中 SDpooled, reference 是来自使用 BDI(n = 8 项研究)或 HAM-D(n = 16 项研究)的研究的合并基线标准差。该方法假设 SMD 效应量在不同量表之间具有一致性。这些研究中观察到的平均差异也作为敏感性检验予以报告。根据 NICE 指南5,BDI 或 HAM-D 评分变化 ≥3 分被视为具有临床意义。
与现有抑郁症治疗方法的比较
为了将运动疗法与其他一线抑郁症治疗方案的效果进行比较,本研究将运动疗法的合并需治疗人数(NNT)与近期高质量荟萃分析中报道的NNT值进行了对比。根据Cuijpers等人(2020年)的报告,心理治疗在所有年龄组中的NNT为2.5。根据Cipriani等人(2018年)的报告,抗抑郁药物治疗相对于安慰剂的NNT为4.3。这些比较仅为描述性分析,并非基于直接对照试验。运动疗法的数据并未与心理治疗或药物治疗的数据进行合并,且由于研究人群、结局定义及评估时间点的差异,限制了其直接可比性。
报告偏倚(发表偏倚)的评估
针对每个结局指标(缓解率和抑郁评分)绘制了漏斗图,该图以效应量(缓解率采用对数优势比,抑郁评分采用标准化均数差)为横轴,以其标准误为纵轴。漏斗图的不对称性可能提示存在发表偏倚、小研究效应或异质性。采用Egger回归检验(也称为Egger线性回归检验)对漏斗图的不对称性进行正式评估。Egger检验将标准化的效应估计值对其精度(标准误的倒数)进行回归分析。若截距具有统计学意义(根据Cochrane手册建议,对于纳入研究少于10项的结局指标,Egger检验的p < 0.10;对于较大规模的荟萃分析则为p < 0.05),则提示可能存在小研究效应或发表偏倚。相反,p ≥ 0.05(或p ≥ 0.10)表明无统计学上显著的此类偏倚证据。需谨慎解读结果:漏斗图不对称并不等同于发表偏倚,也可能源于真实的异质性、研究质量的差异或随机因素,结果应据此加以解释23。
证据的确定性(GRADE 评价)
采用推荐意见分级的评估、制定与评价(GRADE)框架,对每个结局指标(缓解率和抑郁评分)的证据总体确定性进行评估。由两名作者独立完成确定性评级,并通过讨论解决分歧。GRADE 方法考虑了五个可能降低确定性的领域:偏倚风险(基于 RoB 2 评估结果,包括低风险、存在一定问题或高风险的研究比例)、不一致性(基于 I2 统计量、预测区间以及置信区间是否重叠)、间接性(基于研究人群、干预措施、对照措施和结局指标与综述问题之间的差异)、不精确性(基于最佳信息量大小,以及 95% 置信区间是否跨越具有临床意义的阈值,例如缓解率的比值比为 1.0,或抑郁评分的小效应标准化均数差为 0.2)以及发表偏倚(基于漏斗图不对称性和 Egger 检验)。确定性等级分为以下四类:高(进一步研究极不可能改变对效应估计的信心);中等(进一步研究很可能对信心产生重要影响,并可能改变效应估计);低(进一步研究极有可能对信心产生重要影响,并很可能改变效应估计);极低(任何效应估计均非常不确定)。确定性评估分别针对缓解率(二分类结局)和抑郁评分(连续性结局)进行。
访问受限。请登录或开始试用以查看此内容。
研究筛选
PRISMA 2020 流程图(图 1)总结了研究筛选过程。数据库检索共识别出 10,123 篇文献(Cochrane 图书馆:n = 1,845;Embase:n = 2,567;Google Scholar:n = 3,210;OVID 平台的 MEDLINE:n = 1,892;PubMed:n = 609)。去除 1,018 篇重复文献后,剩余 9,105 篇唯一文献进入筛选阶段。预先声明的纳入标准与实际应用的对照组标准之间存在差异。创新性部分最初声明排除采用主动心理干预或拉伸/放松干预作为对照的研究。然而,在评审过程中发现,若排除主动干预对照研究,将限制临床结果的普适性,并排除一些重要研究(例如运动干预 vs. 药物治疗)。因此,最终的纳入标准(如“方法”部分所述)同时接受被动和主动的非运动干预对照。该差异已在本文及讨论部分(局限性)中予以透明报告。为评估纳入主动对照研究的影响,预先设定的亚组分析按对照类型(被动 vs. 主动;见表 3...
访问受限。请登录或开始试用以查看此内容。
这项针对40项随机对照试验(共2,667名抑郁症患者)的荟萃分析24,25,26,27,28,29,30,31,32,33,34,35,36,...
访问受限。请登录或开始试用以查看此内容。
作者声明无竞争利益。
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 变化分数标准差的假设相关系数 | 缺失数据的填补 | Cochrane 手册默认设置 | r = 0.5(已进行敏感性分析) |
| ClinicalTrials.gov | 临床试验注册库 | 美国国家医学图书馆 | 截至2025年11月10日的数据库(无NCT特异性筛选) |
| Cochrane Controlled Trials Register (CENTRAL) | 数据库 | Cochrane 图书馆 | 2025年12期中的第11期,11月 |
| Cochrane 手册公式 | 公式 &与计算 | Cochrane 协作网 | 手册版本 6.4(2024年9月更新) |
| Egger’线性回归检验 | 漏斗图不对称性 | RevMan 5.3 / 自定义宏 | N/A |
| Embase(OVID 平台) | 数据库 | 爱思唯尔 / OVID 科技公司 | Embase Classic+Embase 1947年至2025年第47周 |
| EndNote | 参考文献管理 | 科睿唯安分析公司(英国伦敦) | 版本 20(版本号 20.1.0.16478) |
| 谷歌学术 | 数据库 | 谷歌有限责任公司 | 2023年11月15日进行检索–16,2025年(按相关性排序的前500条记录) |
| GRADE(推荐意见分级、评估、制定与评价) | 证据的确定性 | GRADE 工作组 | GRADEpro GDT(在线版本,访问于2025年11月) |
| MEDLINE(OVID 平台) | 数据库 | OVID Technologies | Ovid MEDLINE® 1946年至2025年11月14日 |
| NNT 来自 SMD(Furukawa) && Leucht 方法 | 效应量转换 | 基于正态曲线下面积 | N/A |
| 从比值比(OR)计算需治疗人数(NNT) | 效应量转换 | 公式:NNT = 1 / [CER × (1 – 或-¹)] | N/A |
| PubMed | 数据库 | 美国国家医学图书馆 | NLM ID:101775772(数据库版本 2025) |
| Review Manager (RevMan) | 统计学 &与元分析软件 | Cochrane 协作网 | 版本 5.3(哥本哈根:北欧Cochrane中心) |
| RoB 2 工具 | 偏倚风险评估 | Cochrane 协作网 | 版本:2019年8月(最新更新) |
| 标准化均值差(Hedges’ g) | 效应量转换 | RevMan 5.3 中的自定义计算 | N/A |
| 世界卫生组织国际临床试验注册平台(ICTRP) | 数据库 | 世界卫生组织 | 搜索门户版本 1.6(2025年11月访问) |
访问受限。请登录或开始试用以查看此内容。