MétaCan
Menu
Retour à la cohorte
Enregistrement W1827992206 · doi:10.1002/14651858.cd007280.pub3

Carnitine for fatigue in multiple sclerosis

2012· review· en· W1827992206 sur OpenAlexaff
Aaron M Tejani, Michael Wasdell, Rae Spiwak, Greg Rowell, Shabita Nathwani

Notice bibliographique

RevueCochrane Database of Systematic Reviews · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensBurnaby HospitalFraser HealthUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosisCarnitineMedicinePsychologyPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Fatigue is reported to occur in up to 92% of patients with multiple sclerosis (MS) and has been described as the most debilitating of all MS symptoms by 28% to 40% of MS patients. OBJECTIVES: To assess whether carnitine (enteral or intravenous) supplementation can improve the quality of life and reduce the symptoms of fatigue in patients with MS-related fatigue and to identify any adverse effects of carnitine when used for this purpose. SEARCH METHODS: A literature search was performed using Cochrane MS Group Trials Register (09 September 2011), Cochrane Central Register of Controlled Trials (CENTRAL) "The Cochrane Library 2011, issue 3", MEDLINE (PubMed) (1966-09 September 2011), EMBASE (1974-09 September 2011), and www.clinicaltrials.gov for ongoing trials retrieval. Reference lists of review articles and primary studies were also screened. A hand search of the abstract book of recent relevant conference symposia was also conducted. Personal contact with MS experts and a manufacturer (Source Naturals, United States) of carnitine formulation was contacted to determine if they knew of other clinical trials. No language restrictions were applied. SELECTION CRITERIA: Full reports of published and unpublished randomized controlled trials and quasi-randomized trials of any carnitine intervention in adults affected by multiple sclerosis with a clinical diagnosis of fatigue associated with multiple sclerosis were included. DATA COLLECTION AND ANALYSIS: Data from the eligible trials was extracted and coded using a standardized data extraction form and entered into RevMan 5. Discrepancies were to be resolved by discussion with a third reviewer, however this was not necessary.The quality items to be assessed were method of randomization, allocation concealment, blinding (participants, investigators, outcome assessors and data analysis), intention-to-treat analysis and completeness of follow up. MAIN RESULTS: The search identified one ongoing randomized, placebo-controlled, cross-over trial (expected completion 2013) and one completed randomized, active-comparator, cross-over trial. In the completed study, adult patients with relapsing-remitting and secondary progressive MS were exposed to both acetyl L-carnitine 2 grams daily and amantadine 200 mg daily The effects of carnitine on fatigue are unclear. There was no difference between carnitine and amantadine for the number of patients withdrawing from the study due to an adverse event (relative risk ratio 0.20; 95% confidence interval 0.03 to 1.55) and no patients experienced a serious adverse event in either treatment group. Mortality and quality of life were not reported. AUTHORS' CONCLUSIONS: There is insufficient evidence that carnitine for the treatment of MS-related fatigue offers a therapeutic advantage over placebo or active comparators. Results of the ongoing trial are eagerly anticipated in order to provide clarity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,542
Tête enseignante GPT0,457
Écart entre enseignants0,085 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCochrane Database of Systematic ReviewsMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207