Efficacy of non-surgical treatments for androgenetic alopecia in men and women: a systematic review with network meta-analyses, and an assessment of evidence quality
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Various treatments exist for androgenetic alopecia (AGA); we determined the relative efficacies of non-surgical AGA monotherapies separately for men and women. METHODS: Randomized controlled trials (RCTs) were systematically searched in PubMed, EMBASE, Scopus and clinicaltrials.gov. Separate networks were used for men and women; for each network, a Bayesian network meta-analysis (NMA) of mean change in hair count from baseline (in units of hairs per square centimeter) was performed using a random effects model. RESULTS: The networks for male and female AGA included 30 and 10 RCTs, respectively. We identified the following treatments for male AGA in decreasing rank of efficacy: platelet-rich plasma (PRP), low-level laser therapy (LLLT), 0.5 mg dutasteride, 1 mg finasteride, 5% minoxidil, 2% minoxidil, and bimatoprost. For female AGA the following were identified in decreasing rank of efficacy: LLLT, 5% minoxidil, and 2% minoxidil. The evidence quality of the highest ranked therapies, for male and female AGA, was judged to be low. CONCLUSIONS: While newer treatments like LLLT may be more efficacious than more traditional therapies like 5% minoxidil, the efficacy of the more recent treatment modalities needs to be further validated by future RCTs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,040 |
| Bibliométrie | 0,015 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».