Acupuncture for Improving Cognitive Impairment After Stroke: A Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Objective: This meta-analysis evaluated the efficacy of acupuncture in improving cognitive impairment of post-stroke patients. Design: Randomized controlled trials (RCTs) investigating the effects of acupuncture compared with no treatment or sham acupuncture on post-stroke cognitive impairment (PSCI) before December 2019 were identified from databases (PubMed, EMBASE, Ovid library, Cochrane Library, Chinese National Knowledge Infrastructure, VIP Chinese Periodical Database, Wanfang Database, and SinoMed). The literature searching and data extracting were independently performed by two investigators. Study quality was assessed using the Cochrane Handbook for Systematic Reviews of Interventions. Meta-analyses were performed for the eligible RCTs with Revman 5.3 software. Results: Thirty-seven RCTs (2,869 patients) were included in this meta-analysis. Merged Random-effects estimates of the gain of MMSE (Mini-Mental State Examination) or MoCA (Montreal Cognitive Assessment) were calculated for the comparison of acupuncture with no acupuncture or sham acupuncture. Following 2–8 weeks of intervention with acupuncture, pooled results demonstrated significant effects of acupuncture in improving PSCI assessed by MMSE (MD [95% CI] = 2.88 [2.09, 3.66], p < 0.00001) or MoCA (MD [95% CI] = 2.66 [1.95, 3.37], p < 0.00001). Conclusion: The results suggest that acupuncture was effective in improving PSCI and supported the needs of more rigorous design with large-scale randomized clinical trials to determine its therapeutic benefits.
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 | 0,020 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,026 | 0,067 |
| Bibliométrie | 0,008 | 0,007 |
| 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) | 0,003 | 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 ».