The Role of Acupuncture in Reducing Pain Scale Scoring in Geriatric Patients with Acute Pain: A Literature Review
Notice bibliographique
Résumé
Background: Pain is one of the problems commonly found in geriatric population in the world, causing reduction in quality of life and functionality, and increasing socioeconomic burden. The geriatric population are vulnerable to inadequate analgesia, which increase the risk of forming chronic pain, frailty, depression and anxiety, and increased morbidity. Objective: To review several studies that explain the role of acupuncture in reducing pain scale scoring in geriatric patients with acute pain. Method: Literature searching of studies published between January 2011 to June 2020 was done on the Google Scholar and PubMed databases using the keywords “acupuncture,” “manual acupuncture,” “electroacupuncture,” “laserpuncture,” “laser acupuncture,” “ear acupuncture,” “battlefield acupuncture,” “pain,” and “acute pain.” Randomized controlled trials using pain scales as outcome measurement with the population sample having acute pain and using acupuncture modalities as its treatment were included. Non-English studies that cannot be accessed in full text and did not show number of sample, baseline characteristics, and outcome values, and studies with the mean age of the participants below 60 years were excluded. Result: Seven studies were found and analyzed. The pain scale scoring used included Visual Analog Scale (VAS) (n = 4), Numeric Rating Scale (NRS) (n = 1), McGill Pain Questionnaire (MPQ) (n = 2), and Brief Pain Inventory (BPI) (n = 2), with some studies using more than 1 scale. Conclusion: Acupuncture was found to reduce pain scale scoring of VAS, NRS, MPQ, and BPI significantly, whether statistically or clinically.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».