Meta‐Analysis of Healing and Prevention of Digital Ulcers in Systemic Sclerosis
Notice bibliographique
Résumé
OBJECTIVE: To assess the efficacy of therapies in healing and preventing digital ulcers (DUs) in systemic sclerosis (SSc; scleroderma). METHODS: Medline and EMBASE databases, and American College of Rheumatology and European League Against Rheumatism abstracts, were searched. Randomized controlled trials (RCTs) with outcomes investigating healing or prevention of DUs in SSc and comparing a pharmacologic therapy with placebo or an active agent were included. The pooled risk ratios (RRs) using the fixed-effects model were calculated and heterogeneity was tested using the I(2) statistic. RESULTS: Sixty studies were found; 19 were not randomized, and 10 did not give DU quantitative data or no comparison of a different drug, leaving 31 RCTs with a total of 1,989 patients. Quality was 3 of 5 or less for 11 trials. DUs were not the primary outcome in many RCTs. Phosphodiesterase type 5 (PDE-5) inhibitors were significant for DU healing (RR 3.28 [95% confidence interval (95% CI) 1.32, 8.13], P = 0.01). Two large bosentan trials were significant for mean number of new DUs (standardized mean difference [SMD] -0.34 [95% CI -0.57, -0.11], P = 0.004). Oral prostacyclins were not statistically different from placebo, but intravenous (IV) iloprost prevented new DUs (SMD 0.77 [95% CI -1.46, -0.08], P = 0.03). Single trials for atorvastatin and vitamin E were positive in the prevention and healing of DU, respectively. There were many negative trials: antiplatelet therapy, oral N-acetylcysteine, heparin, dimethyl sulfoxide, ketanserin, prazosin, prostaglandin E1, cyclofenil, quinapril, and topical nitroglycerin formulation. CONCLUSION: Small sample sizes, few comparative trials, and heterogeneity limits the conclusions. The results suggest a role for PDE-5 inhibitors in the healing of DUs; bosentan and IV iloprost may prevent new DUs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».