The Efficacy of Nerve Growth Factor Antibody for the Treatment of Osteoarthritis Pain and Chronic Low-Back Pain: A Meta-Analysis
Notice bibliographique
Résumé
Background: Nerve growth factor (NGF) plays a crucial role in pain modulation, it is considered as a new therapeutic target for pain therapy. The purpose of this meta-analysis was to study the efficacy of anti-NGF antibody for the treatment of osteoarthritis pain and chronic low-back pain and to provide evidence and hints for further research and practice. Methods: PubMed, Embase, Wanfang Data, and China National Knowledge Infrastructure (CNKI) were searched from inception to November 30, 2019. Eligible studies should include randomized clinical trials-based investigations of anti-NGF antibody treatment for osteoarthritis pain and chronic low-back pain. Pooled overall mean changes from baseline to check point in the Western Ontario and McMaster Universities Arthritis Index (WOMAC) measures of pain, physical function and Patient’s Global Assessment (PGA) were calculated with either a fixed-effects model or a random-effects model depending on the tests for heterogeneity. Sensitivity analysis and bias of publication were assessed. Results: A total of 7 studies (3890 patients) were included in this meta-analysis. The pooled analysis showed statistically significant reduction in the WOMAC pain (standardized mean difference (SMD) = -2.22, 95% confidence interval (CI) = -3.44 to -0.99, Z = -3.55, P = 0.0004; I2 = 99%), the WOMAC Physical Function (SMD = -2.76, 95% CI = -4.22 to -1.30, Z = -3.71, P = 0.0002; I2 = 99%), and the PGA Index (SMD = -2.76, 95% CI = -4.42 to -1.09, Z = -3.24, P = 0.0012; I2 = 99%), respectively. Pooled difference of adverse events rates in experimental and control groups was 0.11 (95% CI = 0.02 to 0.20, Z = 2.41, P = 0.016; I2 = 83%). Conclusion: Our meta-analysis data indicate that anti-NGF antibody can relive pain and improve function in patients with osteoarthritis pain and chronic low-back pain. Keywords: anti-NGF antibody, osteoarthritis pain, chronic low-back pain, immunological treatment, meta-analysis
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 | 0,014 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,072 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».