A Systematic Review and Meta-Analysis of Efficacy, Cost-Effectiveness, and Safety of Selected Complementary and Alternative Medicine for Neck and Low-Back Pain
Notice bibliographique
Résumé
Background. Back pain is a common problem and a major cause of disability and health care utilization. Purpose. To evaluate the efficacy, harms, and costs of the most common CAM treatments (acupuncture, massage, spinal manipulation, and mobilization) for neck/low-back pain. Data Sources. Records without language restriction from various databases up to February 2010. Data Extraction. The efficacy outcomes of interest were pain intensity and disability. Data Synthesis. Reports of 147 randomized trials and 5 nonrandomized studies were included. CAM treatments were more effective in reducing pain and disability compared to no treatment, physical therapy (exercise and/or electrotherapy) or usual care immediately or at short-term follow-up. Trials that applied sham-acupuncture tended towards statistically nonsignificant results. In several studies, acupuncture caused bleeding on the site of application, and manipulation and massage caused pain episodes of mild and transient nature. Conclusions. CAM treatments were significantly more efficacious than no treatment, placebo, physical therapy, or usual care in reducing pain immediately or at short-term after treatment. CAM therapies did not significantly reduce disability compared to sham. None of the CAM treatments was shown systematically as superior to one another. More efforts are needed to improve the conduct and reporting of studies of CAM treatments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,021 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».