The efficacy of complementary and alternative medicine in the treatment of Raynaud's phenomenon: a literature review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: Conventional treatment for RP is limited due to side effects, and complementary and alternative medicines (CAM) are widely used by the population. Our objective was to find an effective and well-tolerated CAM for the treatment of RP. METHODS: Using MEDLINE, EMBASE and AMED, 20 randomized controlled trials (RCTs) were found and divided into nine treatment subcategories: acupuncture (n = 2 trials), anti-oxidants (n = 2), biofeedback (n = 5), essential fatty acids (n = 3), Ginkgo biloba (n = 1), L-arginine (n = 2), laser (n = 3), glucosaminoglycans (n = 1) and therapeutic gloves (n = 1). Trials in each subcategory were meta-analysed together. RESULTS: Several categories did not have enough trials to do a meta-analysis and most trials were negative, of poor quality and done prior to 1990. Biofeedback was negative for a change in frequency, duration and severity of RP attacks, and actually favoured control (sham biofeedback; P < 0.02). The therapeutic glove favoured active treatment (P < 0.00001). Laser resulted in one less RP attack on average over 2 weeks vs sham [weighted mean difference (WMD) 1.18; 95% CI 1.06, 1.29], and a change in severity of attacks (WMD 1.98; 95% CI 1.57, 2.39; P < 0.05). No significant differences were found in the nutritional supplements that were studied. CONCLUSIONS: There is a need for well-designed trials of CAM in RP. The literature is inconclusive except that biofeedback does not work for RP, therapeutic gloves may improve RP (but results may not be generalizable due to single trial site and no intent-to-treat analysis) and laser may be effective but the improvement may not be clinically relevant.
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) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».