Adjuvant Auricular Electroacupuncture and Autogenic Training in Rheumatoid Arthritis: A Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: In contrast to psychological interventions the usefulness of acupuncture as an adjuvant therapy in rheumatoid arthritis (RA) has not yet been demonstrated. OBJECTIVE: The efficacy of auricular electroacupuncture (EA) was directly compared with autogenic training (AT). METHODS: Patients with RA (n = 44) were randomized into EA or AT groups. EA and lessons in AT were performed once weekly for 6 weeks. Primary outcome measures were the mean weekly pain intensity and the disease activity score 28 (DAS 28); secondary outcome measures were the use of pain medication, the pain disability index (PDI), the clinical global impression (CGI) and pro-inflammatory cytokine levels, which were assessed during the study period and 3 months after the end of treatment. RESULTS: At the end of the treatment and at 3-month follow-up a clinically meaningful and statistically significant improvement (p < 0.05) could be observed in all outcome parameters and both groups. In contrast to the AT group, the onset of these effects in the EA group could already be observed after the 2nd treatment week. In the 4th treatment week the EA group reported significantly less pain than the AT group (p = 0.040). After the end of treatment (7th week) the EA group assessed their outcome as significantly more improved than the AT group (p = 0.035). The erythrocyte sedimentation rate in the EA group was significantly reduced (p = 0.010), and the serum concentration of tumor necrosis factor-alpha was significantly increased compared to the AT group (p = 0.020). CONCLUSIONS: The adjuvant use of both EA and AT in the treatment of RA resulted in significant short- and long-term treatment effects. The treatment effects of auricular EA were more pronounced.
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 | 0,016 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».