A Critical Look into the 2016 NICE Guidelines: Acupuncture for Low-Back Pain and Sciatica
Notice bibliographique
Résumé
Background: In November of 2016, the National Institute for Health and Care Excellence (NICE) Guidelines for low-back pain (LBP) and sciatica were published. According to the NICE Guidelines Development Group (GDG), acupuncture is no longer a recommended treatment for LBP and sciatica, while other therapies including nonsteroidal anti-inflammatory drugs, exercise, epidurals, and manual therapy are recommended as treatments. Objective: The aim of this article is to discuss how the GDG decision-making process behind the recommendations against acupuncture—while supporting common conventional treatments for LBP and sciatica—is inconsistent and lacks sufficient evidence-based justification. Methods: The evidence used to develop the 2016 NICE Guidelines for LBP and sciatica were critically appraised using the Grading of Recommendations, Assessment, Development, and Evaluation framework, and examined for their limitations. Results: There is predominantly moderate-quality evidence favoring acupuncture over sham, suggesting that the GDG's conclusion that acupuncture works through nonspecific effects is inconsistent with the NICE evidence. The NICE evidence comparing acupuncture to usual care (or wait-list) also demonstrates acupuncture's effectiveness. The GDG's analyses excluded non-English language studies, and evaluated acupuncture by different standards, compared to other recommendations. Conclusions: Acupuncture demonstrates efficacy and effectiveness in the treatment of LBP and sciatica. Each of the GDG's recommendations for treatment of LBP and sciatica should be reevaluated as consistently as possible by the same standards to mitigate any inconsistencies. Analyses of acupuncture should include studies without language restrictions and factor in acupuncture dose and types of sham devices to reduce potential bias in conclusions drawn.
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 | 0,003 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».