Melatonin as a Treatment after Traumatic Brain Injury: A Systematic Review and Meta-Analysis of the Pre-Clinical and Clinical Literature
Notice bibliographique
Résumé
Traumatic brain injury (TBI) is common; however, effective treatments of the secondary brain injury are scarce. Melatonin is a potent, nonselective neuroprotective and anti-inflammatory agent that is showing promising results in neonatal brain injury. The aim of this study was to systematically evaluate the pre-clinical and clinical literature on the effectiveness of melatonin in improving outcome after TBI. Using the systematic review protocol for animal intervention studies (SYRCLE) and Cochrane methodology for clinical studies, a search of English-language articles was performed. Eligible studies were identified and data were extracted. Quality assessment was performed using the SYRCLE risk of bias tool. Meta-analyses were performed using standardized mean differences (SMD). Seventeen studies (15 pre-clinical, 2 clinical) met inclusion criteria. There was heterogeneity in the studies, and all had moderate-to-low risk of bias. Meta-analysis of pre-clinical data revealed an overall positive effect on neurobehavioural outcome with SMD of 1.51 (95% CI: 1.06-1.96). Melatonin treatment had a favorable effect on neurological status, by an SMD of 1.35 (95% CI: 0.83-1.88), and on cognition by an SMD of 1.16 (95% CI: 0.4-1.92). Melatonin decreased the size of the contusion by an SMD of 2.22 (95% CI: 0.8--3.59) and of cerebral edema by an SMD of 1.91 (95% CI: 1.08-2.74). Only two clinical studies were identified. They were of low quality, were used for symptom management, and were of uncertain significance. In conclusion, there is evidence that melatonin treatment after TBI significantly improves both behavioral outcomes and pathological outcomes; however, significant research gaps exist, especially in clinical populations.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,013 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».