Effectiveness of Manual Therapy and Therapeutic Exercise for Temporomandibular Disorders: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Manual therapy (MT) and exercise have been extensively used to treat people with musculoskeletal conditions such as temporomandibular disorders (TMD). The evidence regarding their effectiveness provided by early systematic reviews is outdated. PURPOSE: The aim of this study was to summarize evidence from and evaluate the methodological quality of randomized controlled trials that examined the effectiveness of MT and therapeutic exercise interventions compared with other active interventions or standard care for treatment of TMD. DATA SOURCES: Electronic data searches of 6 databases were performed, in addition to a manual search. STUDY SELECTION: Randomized controlled trials involving adults with TMD that compared any type of MT intervention (eg, mobilization, manipulation) or exercise therapy with a placebo intervention, controlled comparison intervention, or standard care were included. The main outcomes of this systematic review were pain, range of motion, and oral function. Forty-eight studies met the inclusion criteria and were analyzed. DATA EXTRACTION: Data were extracted in duplicate on specific study characteristics. DATA SYNTHESIS: The overall evidence for this systematic review was considered low. The trials included in this review had unclear or high risk of bias. Thus, the evidence was generally downgraded based on assessments of risk of bias. Most of the effect sizes were low to moderate, with no clear indication of superiority of exercises versus other conservative treatments for TMD. However, MT alone or in combination with exercises at the jaw or cervical level showed promising effects. LIMITATIONS: Quality of the evidence and heterogeneity of the studies were limitations of the study. CONCLUSIONS: No high-quality evidence was found, indicating that there is great uncertainty about the effectiveness of exercise and MT for treatment of TMD.
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 | 0,024 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,039 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».