Effects of low power laser irradiation on bone healing in animals: a meta-analysis
Notice bibliographique
Résumé
PURPOSE: The meta-analysis was performed to identify animal research defining the effects of low power laser irradiation on biomechanical indicators of bone regeneration and the impact of dosage. METHODS: We searched five electronic databases (MEDLINE, EMBASE, PubMed, CINAHL, and Cochrane Database of Randomised Clinical Trials) for studies in the area of laser and bone healing published from 1966 to October 2008. Included studies had to investigate fracture healing in any animal model, using any type of low power laser irradiation, and use at least one quantitative biomechanical measures of bone strength. There were 880 abstracts related to the laser irradiation and bone issues (healing, surgery and assessment). Five studies met our inclusion criteria and were critically appraised by two raters independently using a structured tool designed for rating the quality of animal research studies. After full text review, two articles were deemed ineligible for meta-analysis because of the type of injury method and biomechanical variables used, leaving three studies for meta-analysis. Maximum bone tolerance force before the point of fracture during the biomechanical test, 4 weeks after bone deficiency was our main biomechanical bone properties for the Meta analysis. RESULTS: Studies indicate that low power laser irradiation can enhance biomechanical properties of bone during fracture healing in animal models. Maximum bone tolerance was statistically improved following low level laser irradiation (average random effect size 0.726, 95% CI 0.08-1.37, p 0.028). While conclusions are limited by the low number of studies, there is concordance across limited evidence that laser improves the strength of bone tissue during the healing process in animal models.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».