Transvaginal Photobiomodulation for the Treatment of Chronic Pelvic Pain: A Pilot Study
Notice bibliographique
Résumé
Background: Chronic pelvic pain (CPP) is a common and debilitating condition that affects millions of U.S. women. Most treatments are ineffective and innovative new therapies are desperately needed. Large, controlled studies show that photobiomodulation (PBM) can reduce pain in patients with other chronic pain conditions, such as low back pain, neck pain, and fibromyalgia. The objective of this pilot study was to determine if transvaginal PBM (TV-PBM) can reduce pain in women with CPP. Methods: We conducted a before and after, observational, pilot study. Patients completed the Short Form-McGill Pain Questionnaire (SF-MPQ) at baseline, 1 week, 3 months, and 6 months after nine treatments of TV-PBM. Clinicians completed the Clinical Global Impression Scale (CGI) assessing patient illness severity at the same time. Wilcoxon rank-sum t-tests and effect size using Cohen's d coefficient (low effect size if d < 0.2, medium if 0.2 < d > 8, and high if d > 0.8) was used to measure degree of pain improvement, which was also considered clinically significant if pain reduction was >30%. Results: Thirteen women completed 9 treatments, and 10 women were successfully followed to 6 months. At baseline, the mean SF-MPQ score was 19.7 (standard deviation [SD] ± 5.9). Compared with baseline, 60% improved; the mean SF-MPQ score decreased to 10.0 (SD ±7.5, p = 0.004, d = 1.6) at 1 week after treatment, to 9.7 (SD ±7.9, p = 0.005, d = 1.7) at 3 months, and 8.2 (SD ±8.1, p = 0.002, d = 1.9) at 6 months. Conclusion: Transvaginal PBM provided significant and sustained pain relief to women with CPP up to 6 months. Further controlled studies are needed to confirm these findings, however, in this initial pilot, TV-PBM shows promise.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».