The Effectiveness of Pulsed Radiofrequency on Joint Pain: A Narrative Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Pulsed radiofrequency (PRF) stimulation has been safely and effectively applied for controlling various types of pain. PURPOSE: We reviewed the literature on the efficacy of PRF for controlling pain in joint disorders. METHODS: We searched PubMed for papers published prior to September 7, 2019, that used PRF to treat pain due to joint disorders. The key search phrases for identifying potentially relevant articles were (PRF AND joint) OR (PRF AND arthritis) OR (PRF AND arthropathy). The following inclusion criteria were applied for the selection of articles: (1) patients' pain was caused by joint disorders; (2) PRF stimulation was applied to manage joint-origin pain; and (3) after PRF stimulation, follow-up evaluation was performed to assess the reduction in pain intensity. Moreover, joints with more than 3 reported PRF studies were included in our review. RESULTS: The primary literature search yielded 141 relevant papers. After reading their titles and abstracts and assessing their eligibility based on the full-text articles, we finally included 34 publications in this review. Based on the positive therapeutic outcomes of previous studies, PRF stimulation seems to be an effective treatment for cervical and lumbar facet, sacroiliac, knee, and glenohumeral joint pain. PRF appears to be beneficial. For confirmation of the effectiveness of PRF on joint pain, more high-quality studies are needed. CONCLUSIONS: Our review provides insights on the degree of evidence according to pain in each joint, which will help clinicians make informed decisions for using PRF stimulation in various joint pain conditions.
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.
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 | 0,026 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle