Acupuncture for diabetic neuropathic pain
Notice bibliographique
Résumé
BACKGROUND: Diabetic neuropathic pain (DNP) is a common complication of diabetes mellitus, it severely affects the quality of life of Diabetic patients. Acupuncture is proofed to have favorable effects in treating DNP, however, evidence needs to be gathered and interpreted. We will make a comprehensive review of clinical trials concerning acupuncture in treating DNP and do meta-analysis if possible. METHOD: The following databases will be searched from the inception to September 2020: PubMed, Embase, Web of Science, China National Knowledge Infrastructure, Wan-Fang Database, and Chinese Scientific Journal Database. RCTs that evaluated acupuncture for patients with DNP will be included. The primary outcome will be patient-reported pain intensity using validated scales or verbal reporting. The secondary outcomes including the Toronto clinical scoring system, Sensory Nerve Conduction Velocity, Motor Nerve Conduction Velocity, and quality of life. The study selection, data extraction, and study quality evaluation will be performed independently by 2 researchers. A meta-analysis will be performed using RevMan V5.3 statistical software if possible; otherwise, descriptive analysis or subgroup analysis will be conducted. The quality of evidence for outcomes will be assessed with the Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach. RESULTS: This study will evaluate the effect and safety of acupuncture in treating DNP. CONCLUSIONS: The evidence we generated from the present study will provide more options for DNP management in clinical practice. SYSTEMATIC REVIEW REGISTRATION: INPLASY202090043.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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; 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 ».