<i>EGb</i> in the Treatment for Patients with VCI: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
Background. Ginkgo biloba extract (EGb) is widely used to treat impairments in memory, cognition, activities of daily living, inflammation, edema, stroke, Alzheimer’s dementia, and aging. Aim. We aimed to evaluate the safety and efficacy of EGb in treating vascular cognitive impairment (VCI). Methods. The systematic review was performed using the latest guidelines. We searched for EGb‐related trials up to March 1, 2021, in four Chinese databases, three English databases, and clinical trial registry platforms. Randomized controlled trials (RCTs) were included if the study enrolled participants with VCI. Two reviewers independently extracted the data and critically appraised the study quality. Heterogeneity was quantified with I2. Both sensitivity and subgroup analyses were used to identify the sources of heterogeneity. Publication bias was assessed with funnel plots. We used the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) approach to rate the evidence quality. Outcomes included assessments using the Activities of Daily Living (ADL), Montreal Cognitive Assessment (MoCA), Mini‐Mental State Examination (MMSE), Hasegawa Dementia Scale (HDS), Barthel Index (BI), Functional Activity Questionnaire (FAQ), and adverse events. Results. In this study, a total of 2019 patients in 23 RCTs were included. EGb appeared to be more effective than control conditions as assessed by the results of cognitive function evaluation, including MMSE (MDMMSE,EGb vs.blank = 3.04, 95% CI: 0.10‐5.98; MDMMSE,EGb vs.drugs for VCI = 2.70, 95% CI: 1.39‐4.01; MDMMSE,EGb+drugs for VCI vs.blank = 5.90, 95% CI: 4.21‐7.59; and MDMMSE,EGb+drugs for VCI vs.drugs for VCI = 3.14, 95% CI: 2.14‐4.15), MoCA (MDMoCA,EGb vs.blank = 5.30, 95% CI: 2.15‐8.46; MDMoCA,EGb+drugs for VCI vs.blank = 2.66, 95% CI: 1.82‐3.50; and MDMoCA,EGb+drugs for VCI vs.drugs for VCI = 2.56, 95% CI: 1.85‐3.27), HDS (MDHDS,EGb vs.blank = 6.50; 95% CI: 4.86‐8.14; MDHDS,EGb+drugs for VCI vs.drugs for VCI = 3.60, 95% CI: 2.50‐4.70), ADL (MDADL,EGb vs.blank = 7.20, 95% CI: 3.28‐11.12; MDADL,EGb+drugs for VCI vs.blank = 10.00, 95% CI: 7.51‐12.49; and MDADL,EGb+drugs for VCI vs.drugs for VCI = 9.20, 95% CI: 7.26‐11.14), BI (MDBI,EGb+drugs for VCI vs.drugs for VCI = 5.71, 95% CI: 2.99‐8.43; MDFAQ,EGb vs.drugs for VCI = −1.43, 95% CI: ‐2.78 to 0.08), and FAQ (MDFAQ,EGb+drugs for VCI vs.drugs for VCI = −2.17, 95% CI: ‐4.13 to 0.21). Evidence of certainty ranged from medium certainty to very low certainty. Conclusion. This meta‐analysis showed that EGb may be an effective and safe treatment in improving MMSE, MOCA, ADL, and BI for VCI patients within three months of diagnosis. However, given the quality of the included RCTs, more preregistered trials are needed that explicitly examine the efficacy of EGb. This systematic review has been registered on PROSPERO, with the registration number CRD42021232967 .
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 | 0,016 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,030 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».