The Effectiveness of Anti-Nerve Growth Factor Monoclonal Antibodies in the Management of Pain in Osteoarthritis of the Hip and Knee: A PRISMA Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
OBJECTIVE: To conduct a systematic review and meta-analysis of the efficacy of anti-nerve growth factor (NGF) monoclonal antibodies in osteoarthritis pain (hip and knee). DESIGN: Grade the evidence for anti-NGF use. METHODS: An interdisciplinary work group conducted a literature search for anti-NGF use in osteoarthritis. The systematic review was performed in accordance with methods described by the Cochrane collaboration. General inclusion criteria included all osteoarthritis trials studying any monoclonal anti-NGF antibody at any dose/phase. Excluded studies were those where participants received NSAIDs or analgesics other than anti-NGF antibodies. The Jadad Scale score was used to assess the quality of the included studies. RESULTS: Thirteen studies were included in the analysis, involving 8145 participants with a diagnosis of hip and/or knee osteoarthritis. Anti-NGF antibody treatment was associated with a significant improvement in all Western Ontario and McMaster Universities Arthritis Index (WOMAC) indices when compared to placebo. These agents were not associated with a significantly increased incidence of serious adverse events but were associated with significant increases in therapy discontinuation due to adverse events or side effects (e.g., peripheral neuropathy). CONCLUSIONS: Future randomized clinical trials are needed to characterize the overall risk-to-benefit ratio of anti-NGF antibodies in managing pain associated with OA, particularly with long-term use, in order to verify their efficacy and safety in clinical practice.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».