Toelatingscriteria
Studies werden opgenomen als ze aan alle volgende criteria voldeden, georganiseerd volgens het PICOS-kader (Populatie, Interventie, Vergelijker, Uitkomsten, Studieontwerp)17. Alle platforms en materialen die in deze studie zijn gebruikt, zijn vermeld in de Materiaallijst. Alle databasezoekopdrachten zijn uitgevoerd in november 2025. Er werd geen extra propriëtaire software (bijv. SAS, SPSS, R) gebruikt behalve RevMan 5.3 en EndNote 20. De GRADE-beoordeling werd handmatig uitgevoerd met behulp van de online tool GRADEpro GDT; De versie is geregistreerd op de toegangsdatum.
Bevolking (P)
Deelnemers hadden klinisch significante depressieve symptomen, gedefinieerd als een formele diagnose van een ernstige depressieve stoornis (MDD) of dysthymie volgens DSM-criteria (elke versie) of ICD-criteria, bevestigd door gestructureerd klinisch interview (bijv. SCID, MINI, CIDI); of een score boven de gevalideerde grens op een gestandaardiseerd depressiescreeningsinstrument (bijv. Beck Depression Inventory ≥ 14, Hamilton Depression Rating Scale ≥ 14, CES-D ≥ 16, PHQ-9 ≥ 10, Geriatric Depression Scale ≥ 11). Deelnemers konden van elke leeftijd zijn (kinderen, adolescenten, volwassenen, oudere volwassenen) 18 jaar. Studies waarin deelnemers met comorbide medische of psychiatrische aandoeningen (bijv. hart- en vaatziekten, diabetes, angststoornissen, middelengebruikstoornissen) werden alleen opgenomen als de primaire analyse resultaten afzonderlijk rapporteerde voor de depressiesubgroep of als ≥80% van de deelnemers voldeed aan de depressiecriteria. Studies waarbij depressie een secundaire uitkomst was in een niet-depressieve populatie (bijvoorbeeld patiënten met hartfalen zonder depressiescreening) werden uitgesloten. Er was geen beperking op de ernst van de basisdepressie (mild, matig, ernstig), maar de ernst werd wel afgenomen voor subgroepanalyses.
Interventie (I)
De interventie bestond uit gestructureerde, geplande fysieke oefening, gedefinieerd als elke vorm van aerobe, weerstands-, gemengde (aerobe + weerstand) of alternatieve oefening (yoga, tai chi, dans) die ten minste 2 weken werd gegeven. Bewegingsinterventies kunnen worden begeleid (door een trainer, therapeut of instructeur) of onbegeleid (thuis, zelfgestuurd). Studies waarbij beweging werd gecombineerd met een andere actieve interventie (bijv. beweging + farmacotherapie, beweging + mindfulness) werden alleen opgenomen als het effect van beweging geïsoleerd kon worden (bijv. beweging + farmacotherapie versus alleen farmacotherapie). Studies waarbij de interventie uitsluitend bestond uit advies over lichamelijke activiteit (zonder recept voor gestructureerde lichaamsbeweging) of leefstijladvies werden uitgesloten.
Vergelijker (C)
De controlegroep kreeg geen gestructureerde oefeninterventie. Acceptabele controlecondities werden gecategoriseerd als passieve controles (geen actieve therapeutische interventie), bijvoorbeeld wachtlijst (vertraagde behandeling), gebruikelijke zorg (standaard medisch beheer zonder gestructureerde oefening), of geen interventie; en actieve controles (niet-inspanningstherapeutische interventies), bijvoorbeeld aandachtscontrole (bijv. niet-inspanningsgezondheidsvoorlichting, ontspanningssessies of licht rekken die niet voldoen aan de intensiteitscriteria voor inspanning), farmacotherapie (alleen antidepressiva), of psychotherapie (psychologische therapie zonder lichaamsbeweging). Studies waarin de controlegroep enige vorm van gestructureerde oefening kreeg (inclusief minimale oefening of rekken die voldeed aan de intensiteitscriteria van de inspanning) werden uitgesloten. Opmerking over discrepantie: hoewel in het innovatiegedeelte werd gesteld dat studies met actieve psychologische interventies of stretching/ontspanningscontroles werden uitgesloten, werden de toelatingscriteria om actieve vergelijkers (farmacotherapie, psychotherapie, aandachtscontrole) op te nemen om de klinische vraag in de praktijk te weerspiegelen hoe beweging zich verhoudt tot andere gevestigde behandelingen, uitgebreid. Deze discrepantie wordt in de discussie besproken. Alle analyses worden gestratificeerd op controletype (passief versus actief) om de invloed van controletype op effectgroottes te onderzoeken.
Uitkomsten (O)
De studie rapporteerde ten minste één depressie-specifieke uitkomstmaat: depressieremissie (dichotom, door auteurs gedefinieerd als niet langer aan diagnostische criteria voldoen of onder de grens scoren op een gevalideerde schaal); OF (b) verandering in de ernstscore van continue depressie, gemeten op een gevalideerde schaal (bijv. HAM-D, BDI, CES-D, PHQ-9, GDS, MADRS). Studies die alleen niet-specifieke stemmingsmaten rapporteerden (bijvoorbeeld "welzijn", "emotionele toestand" zonder een gevalideerde depressieschaal) werden uitgesloten.
Studieontwerp (S)
Alleen gerandomiseerde gecontroleerde onderzoeken (RCT's) werden opgenomen. Prospectieve cohortstudies, case-control studies, retrospectieve studies, casusseries en casusrapporten werden uitgesloten omdat ze een hoog risico lopen op confounding en selectiebias bij het schatten van de behandelingseffecten. Studies konden parallel-groep of crossover ontwerp zijn (alleen de eerste fase werd geëxtraheerd voor crossover-proeven). Studies moesten bij de start minstens 10 deelnemers per arm hebben om de effecten van kleine studies te minimaliseren. Er werden geen taalbeperkingen toegepast, maar niet-Engelstalige studies werden alleen opgenomen als er een volledige vertaling beschikbaar was.
Exclusiecriteria
Studies waarbij depressie niet de primaire uitkomst was of waar de populatie niet geselecteerd was voor depressie (bijvoorbeeld algemene medische populaties met depressie als secundaire maatstaf) werden uitgesloten. Studies waarin de inspanningsinterventie werd uitgevoerd als onderdeel van een multicomponenten leefstijlinterventie, zonder een geïsoleerd oefeneffect, werden uitgesloten. Studies waarbij de controlegroep enige vorm van gestructureerde oefening kreeg, werden uitgesloten. Studies met onvoldoende gegevens om effectgroottes te berekenen (gemiddelden, standaarddeviaties of veranderingsscores die niet gerapporteerd en niet van auteurs te verkrijgen waren) werden uitgesloten. Dubbele publicaties van dezelfde studiecohort (alleen het meest volledige of meest recente rapport werd opgenomen) werden uitgesloten. Conferentieabstracts, proefschriften en ongepubliceerde manuscripten zonder volledige tekst beschikbaar waren uitgesloten.
Informatiebronnen
De volledige studie is weergegeven in Figuur 1 als een PRISMA-stroomdiagram. Literatuur werd opgenomen in de studie als aan de volgende inclusiecriteria werd voldaan: de studie was een gerandomiseerde gecontroleerde studie (RCT); De patiënten die voor onderzoek werden geselecteerd, hadden depressie; en de controlevoorwaarde was geen oefening. Acceptabele controlegroepen waren onder andere de gebruikelijke zorg (standaard medisch beheer zonder gestructureerde lichaamsbeweging), wachtlijst (uitgestelde behandeling), geen interventie, aandachtscontrole (bijv. gezondheidsvoorlichting zonder inspanning, ontspanningssessies of licht rekken die niet aan de voorschriften voor de inspanning voldeden) of farmacologische behandeling (alleen antidepressiva). Studies waarbij de controlegroep gestructureerde aerobe, weerstands- of gemengde trainingstraining ontving, werden uitgesloten. Studies waarin controlegroepen psychotherapie of cognitieve gedragstherapie zonder een oefencomponent ontvingen, werden alleen opgenomen als duidelijk gedefinieerd als niet-inspanning.
De studie vergeleek inspanningsinterventies met controlecondities. Controlegroepen werden gedefinieerd als niet-bewegende vergelijkers, waaronder gebruikelijke zorg, wachtlijst, geen behandeling, aandachtscontrole (bijv. gezondheidsvoorlichting, ontspanning of rekactiviteiten die niet voldeden aan de intensiteitscriteria van inspanning), of farmacologische behandeling alleen. Studies werden uitgesloten als de controlegroep een gestructureerde inspanningsinterventie kreeg of als beweging alleen werd vergeleken met een ander trainingsregime, zonder een niet-bewegende controlegroep. Studies die de effecten van inspanningsinterventie op depressiesymptomen niet evalueerden, studies over depressie bij patiënten zonder inspanning of controle, en studies zonder vergelijkingsgroep werden uitgesloten.
Behandeling van meerarmige studies
Voor studies met meer dan twee relevante armen (bijv. meerdere oefeninterventies of meerdere vergelijkingsgroepen) werden de volgende strategieën toegepast om dubbelteling en fouten in de eenheid van analyse te voorkomen, zoals meerdere oefenarmen versus één controlearm. Wanneer een studie twee of meer verschillende oefeninterventies (bijv. aerobe versus krachttraining) vergeleek met één controlegroep, werden de oefenarmen gecombineerd tot één gepoolde oefengroep met behulp van formules aanbevolen door de Cochrane Handboek (Hoofdstuk 23). Deze aanpak voorkomt het dubbeltellen van de deelnemers aan de controlegroep, terwijl statistische onafhankelijkheid behouden blijft; Oefening versus meerdere niet-inspanningsvergelijkers. Wanneer een studie lichaamsbeweging vergeleek met twee of meer verschillende controlecondities (bijv. gebruikelijke zorg en farmacotherapie), werd alleen de controleconditie gekozen die het beste overeenkwam met de definitie van 'niet-inspannende controle' (prioriteitsvolgorde: wachtlijst ≥ gebruikelijke zorg ≥ aandachtscontrole > farmacotherapie > psychotherapie).
Als er meerdere niet-sportende controles aanwezig waren, werd de meest conservatieve (minst actieve) vergelijker gekozen om te voorkomen dat het effect van inspanning overschat werd; Beweging versus alleen bewegen (geen controle zonder oefening). Studies die alleen verschillende soorten oefening (bijvoorbeeld hoge intensiteit versus lage intensiteit) zonder een niet-bewegende controlegroep vergeleken, werden uitgesloten van de primaire analyse, omdat ze niet voldeden aan het vergelijkingscriterium van 'oefening versus controle'. Gecombineerde interventies voor studies, waarbij de interventiearm oefening plus een ander actief onderdeel omvatte (bijv. beweging + farmacotherapie, beweging + mindfulness), werd de arm alleen opgenomen als het effect van beweging geïsoleerd kon worden. Als de gecombineerde arm werd vergeleken met hetzelfde niet-inspanningscomponent alleen (bijvoorbeeld oefening + farmacotherapie versus alleen farmacotherapie), werd het verschil geïnterpreteerd als een weerspiegeling van het effect van beweging. Als zo'n isolatie niet mogelijk was, werd de studie uitgesloten. Om de robuustheid van de poolingstrategie voor multi-arm onderzoeken te beoordelen, werd een sensitiviteitsanalyse uitgevoerd waarbij alle multi-arm studies werden uitgesloten, en werden de resultaten vergeleken met die van de primaire analyse. Er worden substantiële verschillen gemeld.
De selectie van de controlegroep wanneer meerdere niet-inspanningsvergelijkers aanwezig zijn, gebeurde op de volgende manier: als een studie oefening vergeleek met twee of meer verschillende controlecondities (bijv. gebruikelijke zorg en farmacotherapie), werd een hiërarchische selectieregel toegepast om willekeurige keuzes te vermijden, waarbij passieve controles (wachtlijst ≥ gebruikelijke zorg ≥ geen interventie) prioriteit gaven boven actieve controles om het specifieke effect van beweging beter te isoleren. Als er alleen actieve controles beschikbaar waren, werd de meest conservatieve comparator (farmacotherapie ≥ psychotherapie ≥ aandachtscontrole) gekozen om te voorkomen dat het oefeneffect werd overschat, en werden sensitiviteitsanalyses uitgevoerd, inclusief alle beschikbare controlegroepen (door de oefengroep over vergelijkers te splitsen) om te testen of de selectieregel de gepoolde schatting beïnvloedde. De resultaten van deze gevoeligheidsanalyses worden gerapporteerd in de aanvullende materialen.
Zoekstrategie
De volgende elektronische databases werden systematisch doorzocht vanaf de start tot november 2025: PubMed, Embase (OVID-platform), Cochrane Central Register of Controlled Trials (CENTRAL), MEDLINE (OVID-platform) en Google Scholar. De volledige zoekstrategieën, inclusief MeSH-termen, Emtree-termen, trefwoorden, Booleaanse operatoren, afkapping en veldtags, worden weergegeven in Tabel 1. Voor PubMed en Embase waren zoekopdrachten beperkt tot menselijke studies en de Engelse taal. Voor CENTRAL en MEDLINE waren zoekopdrachten beperkt tot gerandomiseerde gecontroleerde onderzoeken. Voor Google Scholar werden de eerste 500 records, gesorteerd op relevantie, gezocht met een vereenvoudigde zoekstring ('exercise AND depression AND (remission OR medication OR treatment)') vanwege platformbeperkingen op complex Boolean zoeken19.
Naast databasezoekopdrachten werden de volgende aanvullende zoekopdrachten uitgevoerd: handmatig zoeken in referentielijsten van alle opgenomen studies en relevante systematische reviews (snowball searching), citatietracking van belangrijke opgenomen studies met Google Scholar en Web of Science, handmatig zoeken in belangrijke tijdschriften (Mental Health and Physical Activity, Journal of Affective Disorders, Depression and Anxiety, en Psychosomatic Medicine) voor de jaren 2020–2025, en het zoeken in klinische proefregisters (ClinicalTrials.gov, WHO ICTRP) naar niet-gepubliceerde of lopende onderzoeken met de zoektermen 'oefening' EN 'depressie'. De volledige zoekgeschiedenis, inclusief het aantal records dat bij elke stap voor elke database is opgehaald, wordt weergegeven in Aanvullende Tabel 1. De PRISMA 2020 zoekrapportagechecklist werd gevolgd (Aanvullend Bestand 1).
Selectieproces
Alle geïdentificeerde records werden geëxporteerd naar EndNote 20 voor verwijdering van duplicaaten. Na deduplicatie voerden twee onafhankelijke beoordelaars een kalibratieoefening uit op een willekeurige steekproef van 100 records om een consistente toepassing van de geschiktheidscriteria te waarborgen. Na bevestiging van aanvaardbare overeenstemming (κ ≥ 0,80), screenden de beoordelaars onafhankelijk titels en samenvattingen van alle resterende documenten aan de vooraf gespecificeerde geschiktheidscriteria. Documenten die door een van beide beoordelaars mogelijk relevant werden geacht, werden voor volledige tekst beoordeeld. Volledige artikelen werden verkregen en onafhankelijk beoordeeld door dezelfde twee beoordelaars. Redenen voor uitsluiting in de volledige tekstfase werden gedocumenteerd volgens de PRISMA-richtlijnen (bijv. geen inspanningsinterventie, geen depressiediagnose, geen controlegroep, niet-vergelijkend ontwerp, dubbele publicatie). Meningsverschillen in beide screeningsfasen werden door overleg opgelost; Als er geen consensus kon worden bereikt, nam de corresponderende auteur de definitieve beslissing. Inter-rater overeenkomst voor volledige tekst inclusie werd berekend met behulp van Cohens kappa-statistiek. Hoewel EndNote 20 werd gebruikt voor het initiële verwijderen van duplicaten, werden extra duplicaten die niet door de software werden gedetecteerd (bijvoorbeeld door kleine variaties in titels, auteursnamen of tijdschriftafkortingen) geïdentificeerd en verwijderd tijdens handmatige screening van titels/abstracts door de twee onafhankelijke beoordelaars.
Het selectie- en selectieproces wordt samengevat in het PRISMA 2020 stroomdiagram (Figuur 1), dat het aantal geïdentificeerde records, verwijderde duplicaten, gescreende records, gezocht rapporten voor opvraging, rapporten beoordeeld op geschiktheid en opgenomen studies bevat, met specifieke uitsluitingsredenen in elke fase. Google Scholar werd doorzocht met de vereenvoudigde string 'exercise AND depression AND (remission OR medication OR treatment)' met de volgende instellingen: sorteren op relevantie, citaties uitsluiten en octrooien opnemen. De eerste 500 platen werden gescreend. De zoektocht werd uitgevoerd op 15 november 2025 om 10 uur; 00 AM GMT, zonder personalisatie ingeschakeld, en werd herhaald op 16 november 2025 om consistentie te verifiëren.
Data-extractie
Twee beoordelaars extraherden onafhankelijk gegevens uit elke opgenomen studie met behulp van een gestandaardiseerd, door piloten getest data-extractieformulier. De volgende informatie werd verzameld: naam van de eerste auteur, publicatiejaar, land waar het onderzoek is uitgevoerd, steekproefgrootte (totaal, oefengroep, controlegroep), kenmerken van de deelnemers (leeftijd, diagnose of screeningsmethode voor depressie, ernst van de depressie als uitgangspunt), details van de interventie (inspanningsmodus, intensiteit, frequentie, duur, supervisie, formaat), beschrijving van de controlegroep, uitkomstmaten voor depressie (schaalnaam en bereik), timing van de uitkomstbeoordeling, en statistische resultaten (gemiddelden, standaarddeviaties, effectschattingen, betrouwbaarheidsintervallen, p-waarden)20. Meningsverschillen tussen beoordelaars werden opgelost door overleg of door overleg met de corresponderende auteur.
Data-items
Gegevens werden onafhankelijk verzameld op basis van een waardering van inspanningsinterventie voor depressiesymptomen wanneer een studie andere resultaten opleverde.
Beoordeling van risico op bias
Twee auteurs beoordeelden onafhankelijk het risico op bias voor elke opgenomen studie met behulp van de Cochrane RoB 2-tool voor gerandomiseerde gecontroleerde onderzoeken (versie van augustus 2019). De RoB 2-tool evalueert vijf domeinen van bias die voortkomen uit het randomisatieproces, afwijkingen van de bedoelde interventies, ontbrekende uitkomstgegevens, meting van de uitkomst en selectie van het gerapporteerde resultaat. Voor elk domein gaven beoordelaars een oordeel van 'laag risico op bias', 'enkele zorgen' of 'hoog risico op bias'. Vervolgens werd voor elke studie een algemeen oordeel over het risico van bias afgesteld volgens de RoB 2-algoritmen: 'laag risico' (alle domeinen laag-risico), 'enkele zorgen' (ten minste één domein met enkele zorgen maar geen hoog-risico domeinen) of 'hoog risico' (elk domein dat hoog risico is beoordeeld of meerdere domeinen met bepaalde zorgen). Meningsverschillen tussen beoordelaars werden opgelost door overleg, waarbij de corresponderende auteur indien nodig als arbitrage optrad. Studies werden niet uitgesloten op basis van risico-op-bias-oordelen; In plaats daarvan werden gevoeligheidsanalyses gepland om de meta-analyse te beperken tot studies met 'laag-risico' of 'laag-risico + enkele zorgen' algemene beoordelingen om de robuustheid van de bevindingen te onderzoeken. Inter-rater overeenkomst voor het totale risico van vooringenomenheid werd berekend met behulp van Cohens kappa21.
Subgroepanalyses (moderatoranalyses)
Om potentiële bronnen van heterogeniteit te onderzoeken en moderators van oefeneffectiviteit te identificeren, werd een reeks a priori subgroepanalyses uitgevoerd op basis van klinisch en methodologisch relevante variabelen. Subgroepanalyses werden alleen uitgevoerd voor uitkomsten met ten minste 10 studies per subgroep (om voldoende statistische kracht te waarborgen). De volgende subgroepvariabelen waren vooraf gespecificeerd.
Kenmerken van de oefening
Oefenmodus als aerobe (bijv. wandelen, hardlopen, fietsen) versus weerstand (bijv. krachttraining) versus gemengd (aeroob + weerstand) versus ander (yoga, dans, mindfulness-gebaseerde bewegingen).
Inspanningsintensiteit als licht (bijv. rustig wandelen, rekken) versus matig (bijv. stevig wandelen, matig fietsen) versus intensieve (bijv. hardlopen, hoogintensieve intervaltraining) – geclassificeerd aan de hand van standaard hartslag- of perceptie-inspanningscriteria die in elke studie zijn gerapporteerd.
Duur van de training (weken) als kort (≤8 weken) versus medium (9–12 weken) versus lang (≥13 weken).
Supervisie onder toezicht (oefensessies geleid door een instructeur, trainer of therapeut) versus onbegeleid (thuis of zelfgestuurd zonder directe supervisie).
Opmaak als groepsgebaseerd versus individueel (thuis of één-op-één).
Populatiekenmerken
De diagnose depressie werd gecategoriseerd als ofwel major depressive disorder (MDD), gediagnosticeerd via een gestructureerd klinisch interview zoals het structured clinical interview for DSM disorders (SCID) of het mini international neuropsychiatric interview (MINI), of verhoogde depressieve symptomen vastgesteld met gevalideerde screeningstools op basis van vastgestelde cutoffscores, waaronder de center for epidemiologic studies depression scale (CES-D ≥ 16), Beck depressieinventaris (BDI ≥ 14), of patiëntgezondheidsvragenlijst-9 (PHQ-9 ≥ 10). De leeftijdsgroep werd geclassificeerd als volwassenen (18–59 jaar) of oudere volwassenen (≥60 jaar). De ernst van de basisdepressie werd gecategoriseerd als matig of ernstig volgens standaard cutoffscores voor elke beoordelingsschaal, waarbij matige depressie bijvoorbeeld werd gedefinieerd als een Hamilton Depression Rating Scale (HAM-D) score van 14–18 of een BDI-score van 14–19, en ernstige depressie als een HAM-D-score van ≥19 of een BDI-score van ≥20.
Kenmerken van het studieontwerp
Het type controlegroep werd gecategoriseerd als passief, inclusief wachtlijst, geen behandeling of gebruikelijke zorgcontrolecondities, of actief, inclusief aandachtcontrole-interventies, farmacotherapie of psychotherapie. Het publicatiejaar werd ingedeeld in drie periodes—pre-2010, 2010–2019 en 2020–2025—om mogelijke temporele trends in studieresultaten te onderzoeken. Het risico op bias werd beoordeeld met behulp van het Cochrane Risk of Bias 2 (RoB 2)-instrument en gecategoriseerd als laag risico, sommige zorgen, of hoog risico. De steekproefgrootte werd geclassificeerd als klein (n < totaal 50 deelnemers), medium (50–99 deelnemers) of groot (≥100 deelnemers). Controlegroepstype werd gecategoriseerd als passief (wachtlijst, gebruikelijke zorg, geen interventie) – deze controlegroepen bieden geen actief therapeutisch alternatief, dus het effect van beweging kan groter zijn door verwachtings- of aandachtseffecten; en actief (aandachtscontrole, farmacotherapie, psychotherapie) – deze controles bieden een niet-oefeninterventie van geloofwaardige therapeutische waarde, wat een conservatievere schatting van het specifieke effect van beweging oplevert. Een significant groter effect voor passieve versus actieve controles (p voor interactie < 0,10), zoals verondersteld, werd bevestigd in de resultaten (zie Tabel 3).
Statistische methoden voor subgroepanalyses
Voor elke subgroepanalyse werden studies binnen elke subgroep samengevoegd met behulp van een random-effects model22. Om subgroepen te vergelijken werden mixed-effects meta-regressie of subgroepinteractietests gebruikt. Specifiek werd de Q-statistiek voor verschillen tussen subgroepen berekend, en de bijbehorende p-waarde voor interactie wordt gerapporteerd. Een p-waarde < 0,10 (in plaats van 0,05) werd als statistisch significant beschouwd voor subgroepverschillen, waarmee het lage vermogen van interactietests in meta-analyses werd erkend. Meervoudige vergelijkingsaanpassing (12 subgroepanalyses) werd niet uitgevoerd; daarom moeten bevindingen van subgroepen als verkennend worden geïnterpreteerd.
Gevoeligheidsanalyses
Om de robuustheid van de primaire bevindingen te beoordelen, zijn de volgende vooraf gespecificeerde gevoeligheidsanalyses uitgevoerd. Modelkeuze als beide uitkomsten opnieuw geanalyseerd met een fixed-effect model (inverse variantiemethode) om te vergelijken met de primaire random-effects resultaten, uitsluiting van high-risk of bias studies als uitgesloten studies met een algemeen RoB 2-oordeel van 'hoog risico op bias' (n = 17), en heranalyse van de resterende studies (laag risico + enkele zorgen), uitsluiting van multi-arm trials als uitgesloten studies waarbij meerdere oefenarmen werden gecombineerd of waar een enkele controlegroep werd gebruikt voor meervoudige vergelijkingen (n = 9) en alleen tweearmige onderzoeken opnieuw geanalyseerd, uitsluiting van studies met geïmputeerde of veronderstelde gegevens als uitgesloten studies waarbij standaardafwijkingen voor veranderingsscores werden aangenomen (r = 0,50) in plaats van gerapporteerd (n = 6), uitsluiting van pre-CONSORT-studies als uitgesloten studies gepubliceerd vóór 2001 (n = 5) om te beoordelen of verbeterde rapportagestandaarden effectschattingen beïnvloedden, invloedsanalyse (leave-one-out) zoals uitgevoerd bij een leave-one-out meta-analyse, waarbij elke studie sequentieel werd verwijderd en het gepoolde effect werd herberekend om invloedrijke studies te identificeren (gedefinieerd als die waarvan het verwijderen de puntschatting met >10% verandert of het betrouwbaarheidsinterval voorbij de oorspronkelijke grenzen verschuift), en langetermijnfollow-up analyse; zoals voor studies die follow-upgegevens rapporteerden ≥6 maanden na de interventie (n = 6), werden deze gegevens apart samengevoegd om de duurzaamheid van inspanningseffecten te onderzoeken, zonder te mengen met primaire eindpunten (post-interventie) data. Alle gevoeligheidsanalyses werden uitgevoerd met random-effects modellen, tenzij anders gespecificeerd. Resultaten van gevoeligheidsanalyses worden gerapporteerd in de Resultatensectie en in aanvullende materialen. Elke afwijking van deze vooraf bepaalde analyses wordt transparant gerapporteerd.
Extractie van continue uitkomstgegevens (depressiescores)
Voor elk opgenomen onderzoek werden de gemiddelde depressiescore en de standaarddeviatie (SD) voor zowel de oefen- als controlegroepen geëxtraheerd op het primaire eindpunt (gedefinieerd als het tijdstip dat het dichtst bij het einde van de inspanningsinterventie ligt). Om consistentie tussen studies te maximaliseren, werd de volgende hiërarchische extractieregel toegepast: aangepaste effectschattingen (bijv. ANCOVA-afgeleide verschillen tussen groepen met 95% BI of SE) werden geprioriteerd wanneer beschikbaar, omdat ze rekening houden met basislijnonevenwichtigheden en doorgaans de minst bevooroordeelde schatting van het interventie-effect bieden. Change-from-baseline scores (post-minus-pre of procentuele verandering) en hun SD's werden geëxtraheerd wanneer aangepaste effecten niet werden gerapporteerd. Als de SD van veranderingsscores niet direct werd gerapporteerd, werd deze berekend met de formule:
(1)
waarbij een conservatieve correlatiecoëfficiënt van r = 0,5 werd aangenomen, tenzij de studie een gerapporteerde of toerekeningsvatbare correlatie opleverde. Alleen post-interventie scores (zonder correctie- of veranderingsscores) werden geëxtraheerd wanneer er geen aangepaste effecten noch veranderingsscores beschikbaar waren. Dit was de minst geprefereerde optie omdat het geen rekening houdt met mogelijke basislijnverschillen tussen groepen. Omzetting van andere statistieken, alsof gemiddelden en SD's niet direct werden gerapporteerd, werden beschikbare statistieken (medianen en IQR's, t-statistieken, F-statistieken, p-waarden of 95% BI) omgezet naar gemiddelden en SD's met behulp van standaardformules uit het Cochrane Handbook (hoofdstuk 6). Studies die alleen medianen en bereiken rapporteerden, werden alleen opgenomen als de steekproefgroottes groot genoeg waren (n ≥ 25 per groep) om benaderende normaliteit aan te nemen, of als de auteurs op verzoek gemiddelden en SD's aanleverden.
Meerdere tijdstippen, zoals bij studies die meerdere follow-up tijden rapporteerden, werd het tijdstip dat het dichtst bij het einde van de actieve interventieperiode (meestal 8–12 weken) was verwijderd. Langetermijnfollow-up data (≥6 maanden na de interventie) werden apart geëxtraheerd voor een geplande secundaire analyse van duurzaamheid, maar deze data werden niet gecombineerd met primaire endpointgegevens. Meerdere depressieschalen. Wanneer een studie meer dan één depressieschaal rapporteerde (bijvoorbeeld zowel HAM-D als BDI), werden clinician-rated schalen (HAM-D, MADRS) geprefereerd boven zelfrapportageschalen (BDI, CES-D, PHQ-9, GDS) omdat clinician-rated schalen als de gouden standaard worden beschouwd in depressieonderzoeken. Als beide werden gerapporteerd, werd de primaire uitkomstmaat zoals gedefinieerd door de auteurs van de studie gehaald. Imputatie van ontbrekende SD's alsof standaardafwijkingen ontbraken en niet uit beschikbare statistieken konden worden berekend; ze werden berekend door het gemiddelde SD te nemen uit studies met vergelijkbare steekproefgroottes en dezelfde depressieschaal. Er werden gevoeligheidsanalyses uitgevoerd, waarbij studies met geïmputeerde SD's werden uitgesloten, om de impact van deze imputatie te beoordelen. Alle beslissingen over gegevensextractie werden onafhankelijk genomen door twee auteurs met behulp van een gestandaardiseerd data-extractieformulier. Discrepanties werden opgelost door overleg of door de corresponderende auteur. De extractieregel en eventuele afwijkingen werden geregistreerd.
Effectmaten
Voor de dichotome uitkomst (depressieremissie) werden odds ratio's (OR's) met 95% betrouwbaarheidsintervallen (BI's) berekend. Voor de continue uitkomst (depressie-ernstscores) werd verwacht dat de opgenomen studies verschillende depressiebeoordelingsschalen zouden gebruiken (bijv. Hamilton Depression Rating Scale, Beck Depression Inventory, PHQ-9, CES-D, Geriatric Depression Scale). Hoewel de opgenomen studies verschillende depressie-beoordelingsschalen gebruikten, werd het standaard gemiddelde verschil (SMD) gerapporteerd omdat alle schalen conversievergelijkingen naar HAM-D hadden vastgesteld.
Statistische synthese
Voor de dichotome uitkomst (depressieremissie) werden gepoolde odds ratio's (OR's) met 95% betrouwbaarheidsintervallen (BI's) berekend. Voor de continue uitkomst (depressie-ernstscores) werden gepoolde gestandaardiseerde gemiddelde verschillen (SMD's, Hedges' g) met 95% BI berekend omdat de opgenomen studies verschillende depressie-beoordelingsschalen gebruikten. Gezien de verwachte klinische en methodologische diversiteit tussen de studies (variaties in oefenprotocollen, populaties, controlecondities en uitkomstmaten), werd een random-effects model (DerSimoniaanse en Laird-methode) a priori gekozen voor alle primaire analyses22. Heterogeniteit werd gekwantificeerd met behulp van de I2-statistiek , geïnterpreteerd volgens de Cochrane Handbook-criteria als volgende 0–40% (mogelijk niet belangrijk), 30–60% (matige heterogeniteit), 50–90% (aanzienlijke heterogeniteit) en 75–100% (aanzienlijke heterogeniteit). De variatie tussen de studies (tau2) werd ook geschat, en waar passend werden 95% voorspellingsintervallen voor de gepoolde effecten berekend.
Statistische analyse en heterogeniteit
Vanwege de verwachte klinische en methodologische diversiteit tussen de betrokken studies (inclusief variaties in type oefening, intensiteit, duur, supervisie, populatiekenmerken, ernst van depressie, controlecondities en metingsschalen voor depressie), werd een random-effects model (DerSimonian and Laird method) a priori gekozen voor alle primaire analyses22. Het random-effectsmodel gaat ervan uit dat het werkelijke effect per studie varieert en geeft een conservatievere schatting met bredere betrouwbaarheidsintervallen, wat passend is gezien de verwachte heterogeniteit.
Beoordeling van heterogeniteit
Heterogeniteit werd gekwantificeerd met behulp van de I2-statistiek , die het percentage van totale variatie tussen studies weergeeft door echte heterogeniteit in plaats van toeval. I2-waarden werden als volgt geïnterpreteerd: 0–40% (mogelijk niet belangrijk); 30–60% (matige heterogeniteit); 50–90% (aanzienlijke heterogeniteit); 75–100% (aanzienlijke heterogeniteit), zoals in de Cochrane Handbook-criteria. Naast I2 werden de tussen-studie variantie (tau2) en rapportage 95% voorspellingsintervallen voor het gepoolde effect wanneer passend schat.
Rechtvaardiging voor modelselectie
Voor geen enkele primaire analyse werd een fixed-effect model gebruikt omdat de studies functioneel niet identiek zijn (ze verschillen in oefenprotocollen, populaties en uitkomstmaten), de aanname van één echt effect dat door alle studies wordt gedeeld onwaarschijnlijk is in inspanningsdepressieonderzoek, en zelfs wanneer I2 laag lijkt (bijv. I2 = 48% voor remissie), rechtvaardigt klinische diversiteit alleen al een random-effects benadering. Voor volledigheid werden ook gevoeligheidsanalyses uitgevoerd met een fixed-effect model om te onderzoeken of modelkeuze de conclusies beïnvloedde; Deze resultaten worden gerapporteerd in de aanvullende materialen.
Beoordeling van publicatievooroordeel
Publicatiebias en effecten van kleine studies werden beoordeeld met zowel visuele inspectie van funnel plots als Eggers lineaire regressietest. Voor elke uitkomst werden trechtergrafieken gegenereerd die de effectgrootte (log odds ratio voor remissie; gestandaardiseerd gemiddelde verschil voor depressiescores) ten opzichte van de standaardfout toonden. Voor de kwantitatieve beoordeling regresseert Eggers test de gestandaardiseerde effectschatting ten opzichte van de precisie ervan (de inverse van de standaardfout). Een statistisch significante intercept (p < 0,10 in meta-analyses met ≥10 studies) suggereert de aanwezigheid van funnel plot-asymmetrie, wat kan wijzen op publicatiebias of effecten van kleine studies. Omgekeerd geeft p ≥ 0,10 geen statistisch bewijs voor zo'n bias.
Voorspellingsintervallen
Voor de primaire meta-analyse met random-effects werden 95% voorspellingsintervallen berekend, die het bereik schatten waarbinnen het werkelijke effect van een toekomstige studie zou vallen. Brede voorspellingsintervallen geven aan dat het effect van beweging aanzienlijk kan variëren tussen omgevingen en populaties, met belangrijke klinische implicaties. Voor meerarmige studies waarbij meerdere oefenarmen werden gecombineerd tot één groep, werden de formules in het Cochrane Handbook gebruikt om gecombineerde gemiddelden, standaarddeviaties en steekproefgroottes te berekenen. Voor studies die één controlearm gebruikten bij meerdere oefenvergelijkingen, werd dubbel tellen vermeden door de steekproefgrootte van de controlegroep te delen door het aantal oefenarmen bij het berekenen van effectgroottes. Alle analyses werden uitgevoerd met Reviewer Manager Versie 5.3, waarbij multi-arm afhandeling onafhankelijk door twee auteurs werd geverifieerd.
Aantal nodig om te behandelen (NNT) berekening
Het aantal dat behandeld moest worden (NNT) werd berekend uit de gepoolde odds ratio (OR) voor remissie met behulp van de formule

waarbij CER (control event rate) de gepoolde remissiegraad was over alle opgenomen studies. NNT werd ook berekend met de alternatieve methode voorgesteld door Furukawa en Leucht (2011), waarbij Cohen's d (van SMD) wordt omgezet naar NNT met behulp van het oppervlak onder de normale kromme. NNT-waarden werden berekend voor de primaire analyse (alle studies), voor subgroepen (studies met laag risico op bias, alleen MDD-studies, begeleide inspanningsstudies) en voor vergelijking met gepubliceerde NNT-waarden voor psychotherapie en antidepressiva. Een NNT van ≤ 10 werd als klinisch betekenisvol beschouwd.
Overgang naar klinisch vertrouwde metrieken (BDI en HAM-D)
Om de klinische interpretatie te bevorderen, werd het gepoolde gestandaardiseerde gemiddelde verschil (SMD) voor depressiescores omgezet in geschatte gemiddelde verschillen op twee veelgebruikte depressieschalen: de Beck Depression Inventory (BDI, bereik 0–63) en de Hamilton Depression Rating Scale (HAM-D, bereik 0–52). De conversie gebruikte de volgende formule

waar SDpooled, was de referentie de gepoolde basisstandaarddeviatie van studies die respectievelijk de BDI (n = 8 studies) of HAM-D (n = 16 studies) gebruikten. Deze benadering gaat ervan uit dat de SMD-effectgrootte consistent is over schalen heen. De waargenomen gemiddelde verschillen uit deze studies worden ook gerapporteerd als een gevoeligheidscontrole. Een wijziging van ≥3 punten op de BDI of HAM-D werd klinisch betekenisvol beschouwd volgens NICE-richtlijnen5.
Vergelijking met gevestigde depressiebehandelingen
Om het effect van beweging te contextualiseren ten opzichte van andere eerstelijns depressiebehandelingen, werd de gepoolde NNT voor beweging vergeleken met gepubliceerde NNT-waarden uit recente hoogwaardige meta-analyses. Psychotherapie heeft, zoals Cuijpers et al. (2020) rapporteerden, een NNT van 2,5 voor psychotherapie in alle leeftijdsgroepen. Antidepressiva hebben, zoals Cipriani et al. (2018) rapporteerden, een NNT van 4,3 voor medicatie versus placebo. Deze vergelijkingen zijn beschrijvend en niet gebaseerd op directe vergelijkingen. Inspanningsgegevens werden niet gecombineerd met psychotherapie- of medicatiegegevens, en verschillen in studiepopulaties, uitkomstdefinities en tijdstippen beperken de directe vergelijkbaarheid.
Beoordeling van rapportagebias (publicatiebias)
Funnel plots voor elke uitkomst (remissie- en depressiescore), funnel plots die de effectgrootte tonen (log odds ratio voor remissie; gestandaardiseerd gemiddelde verschil voor depressiescores) ten opzichte van de standaardfout werden gegenereerd. Asymmetrie in de funnel plot kan wijzen op publicatiebias, effecten van kleine studies of heterogeniteit. De regressietest van Egger, ook wel Eggers lineaire regressietest genoemd, werd uitgevoerd om formeel de asymmetrie van de trechterplot te beoordelen. De test van Egger regresseert de gestandaardiseerde effectschatting op de precisie ervan (de inverse van de standaardfout). Een statistisch significante intercept (p < 0,10 voor de Egger-test, zoals aanbevolen door de Cochrane Handbook voor uitkomsten met minder dan 10 studies, of p < 0,05 voor grotere meta-analyses) suggereert de aanwezigheid van effecten van kleine studies of publicatiebias. Omgekeerd geeft p ≥ 0,05 (of p ≥ 0,10) geen statistisch significant bewijs van zo'n bias. Interpretatie-voorzichtigheid omdat trechterplotasymmetrie niet synoniem is met publicatiebias; Het kan ook voortkomen uit echte heterogeniteit, verschillen in studiekwaliteit of toeval, en de resultaten dienen dienovereenkomstig te worden geïnterpreteerd23.
Zekerheid van bewijs (GRADE-beoordeling)
De algehele zekerheid van bewijs voor elke uitkomst (remissie- en depressiescore) werd beoordeeld met behulp van het Grading of Recommendations Assessment, Development and Evaluation (GRADE) raamwerk. Twee auteurs beoordeelden onafhankelijk de zekerheid en losten meningsverschillen op door overleg. De GRADE-benadering houdt rekening met vijf domeinen die de zekerheid kunnen verlagen: risico op bias (gebaseerd op RoB 2-beoordelingen, inclusief het aandeel studies met laag risico, sommige zorgen of hoog risico), inconsistentie (gebaseerd op de I2-statistiek , voorspellingsintervallen en overlapping van betrouwbaarheidsintervallen), indirectheid (gebaseerd op verschillen tussen studiepopulaties, interventies, vergelijkers en uitkomsten ten opzichte van de reviewvraag), onnauwkeurigheid (gebaseerd op optimale informatiegrootte en of 95% betrouwbaarheidsintervallen klinisch belangrijke drempels overschrijden, zoals een odds ratio van 1,0 voor remissie of een gestandaardiseerd gemiddelde verschil van 0,2 voor een klein effect op depressiescores), en publicatiebias (gebaseerd op funnel plot asymmetrie en Egger's test). De zekerheid werd als volgt beoordeeld: Hoog (Verder onderzoek zal het vertrouwen in de effectschatting zeer onwaarschijnlijk veranderen); Matig (Verder onderzoek zal waarschijnlijk een belangrijke invloed hebben op het vertrouwen en kan de schatting veranderen); Laag (Verder onderzoek zal zeer waarschijnlijk een belangrijke invloed hebben op het vertrouwen en zal waarschijnlijk de schatting veranderen); en Zeer laag (Elke schatting van het effect is zeer onzeker). Zekerheidsbeoordelingen werden afzonderlijk uitgevoerd voor remissie (dichotome uitkomst) en depressiescore (continue uitkomst).