Chinese Medicinal Herbs in the Treatment of Diabetic Cognitive Impairment: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
BACKGROUND: Diabetic cognitive impairment (DCI), a serious complication of diabetes mellitus (DM), is gaining more acceptance and attention. The learning and memory function of diabetics always decreases. Traditional Chinese medicine (TCM) has been demonstrated to be effective in treating the symptoms in China, and thereinto Chinese medicinal herbs (CMH) are the most widely used. The objective of the present study was to review and analyze the existing data about reducing the symptoms in CMH treatment for DCI. METHODS: Electronic literature databases (PubMed, EMBASE, CNKI, SinoMed, and Wan fang) were searched for randomized controlled trials conducted in China, comparing CMH with western medicines in the treatment of DCI, up to April 1, 2018. We applied standard meta-analytic techniques to analyze data from papers that reached acceptable criteria. RESULT: Nine randomized controlled trials (n = 576) on CMH were included. We found moderate evidence that CMH used alone or in combination with western medicines was more effective than western medicines alone in reliving the symptoms for DCI (total effective rate, odds radio (OR) = 4.64 (2.60, 8.29), and 95% confidence interval, P<0.00001). Besides, CMH along or in combination with western medicines showed more beneficial effects on Montreal Cognitive Assessment (MoCA) scale (mean difference (MD) = 1.31(0.75, 1.87), P<0.00001), Mini-Mental State Examination (MMSE) scale (MD = 2.07 (0.86, 3.28), P<0.00001, and TCM symptom score (TCMSS) (MD = -4.89 (-8.44, -1.34), P = 0.007). Most of the included studies showed that there was not a significant difference in the adverse events. CONCLUSIONS: These findings demonstrated that CMH used alone or in combination with western medicines were apparently better than western medicines alone in the treatment of DCI. Because of the poor quality of the studies that were available for the present meta-analysis, further researches are still needed to support these early findings.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| 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 | 0,000 |
| 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 ».