Repetitive Transcranial Magnetic Stimulation for Neuropathic Pain on the Non-Motor Cortex: An Evidence Mapping of Systematic Reviews
Notice bibliographique
Résumé
OBJECTIVE: This study was aimed to summarize and analyze the quality of the available evidence in systematic reviews (SRs) of repetitive transcranial magnetic stimulation (rTMS) on the non-motor cortex (non-M1) for neuropathic pain (NP) through an evidence mapping approach. METHODS: We follow the Global Evidence Mapping (GEM) methodology. Searches were conducted in PubMed, EMBASE, Epistemonikos, and the Cochrane Library. The study type was restricted to SRs with or without meta-analysis. All literature published before January 23, 2021, were included. The methodological quality of the included SRs was assessed using A Measurement Tool to Assess Systematic Reviews (AMSTAR-2). Data were extracted according to a defined population-intervention-comparison-outcome (PICO) framework from primary studies that included SRs. The same PICO was categorized into PICOs according to interventions (stimulation target, frequency, number of sessions (short: 1-5 sessions, medium: 5-10 sessions, and long: >10 sessions)) and comparison (sham rTMS or other targets). The evidence mapping was presented in tables and a bubble plot. RESULTS: A total of 23 SRs were included. According to the AMSTAR-2, 20 SRs scored "very low" in terms of methodological quality, 2 SRs scored "low," and 1 SR scored "high." A total of 17 PICOs were extracted. The dorsolateral prefrontal cortex (DLPFC) is the most studied of the non-motor cortex targets. PICOs of DLPFC, premotor cortex (PMC), frontal cortex, and secondary somatosensory cortex (S2) were mainly categorized with a "potentially better" conclusion. High-frequency (5-20 Hz) rTMS of non-M1 usually lead to "potentially better" conclusions. CONCLUSIONS: DLPFC, PMC, frontal cortex, and S2 seem to be promising new targets for rTMS treatment of certain NP. Evidence mapping is a useful and reliable methodology to identify and present the existing evidence gap that more research efforts are necessary in order to highlight the optimal stimulation protocols for non-M1 targets and standardize parameters to fill the evidence gaps of rTMS. Further investigation is advised to improve the methodological quality and the reporting process of SRs.
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 | 0,056 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,014 |
| Bibliométrie | 0,044 | 0,027 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,001 |
| 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 ».