Vitamins and Minerals for Migraine Prophylaxis: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To summarize the findings of randomized controlled trials (RCTs) on the efficacy and safety of vitamins and minerals for migraine prophylaxis. METHODS: We systematically searched bibliographic databases and relevant websites for parallel and crossover RCTs reporting efficacy and/or safety of vitamins and/or minerals for migraine prophylaxis. Our primary outcomes were migraine frequency (number of attacks) and duration (hours). Secondary outcomes were severity (intensity), days with migraine, and adverse events. Meta-analysis was conducted when analyzable data were available from at least two trials. RESULTS: Eighteen placebo-controlled trials met our eligibility criteria. Only coenzyme Q10 and magnesium contributed to meta-analyses. In adults, compared with placebo, coenzyme Q10 did not significantly decrease migraine frequency (mean difference (MD) -0.44 (-2.14 to 1.26); I2 53%; 2 trials; 97 participants; moderate strength of the evidence), duration (MD -1.97 (-4.82 to 0.87); I2 0%; 2 trials; 97 participants; moderate strength of the evidence), or severity (ratio of means (RoM) -0.05 (-0.20 to 0.11); I2 0%; 2 trials; 97 participants). In adults, compared with placebo, magnesium did not significantly decrease migraine severity (RoM -0.17 (-0.36 to 0.02); I2 48%; 3 trials; 226 participants; low strength of the evidence). Meta-analysis of other vitamins and minerals, and other outcomes were not feasible due to a lack of sufficiently reported data. CONCLUSIONS: Based on insufficient evidence, it is unknown if coenzyme Q10 and magnesium are effective for migraine prophylaxis in adults. High-quality, adequately powered RCTs are needed to fully evaluate the efficacy and safety of vitamins and minerals for migraine prophylaxis.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».