Effect of traditional Chinese medicine Bailing capsule on renal anemia in maintenance hemodialysis patients
Notice bibliographique
Résumé
Abstract Background: Renal anemia (RA) is one of the most common complications in patients with end-stage renal disease, and it is also one of the reasons for the decline of quality of life and functional status in patients with end-stage renal disease. Traditional treatment methods often fail to achieve satisfactory therapeutic effects, so it is very necessary to find effective adjuvant treatment methods. Bailing capsule (BLC), a traditional Chinese medicine, which has been widely used in the treatment of RA in maintenance hemodialysis patients, but a systematic review of the efficacy and safety of this drug is currently lacking. Therefore, this study used meta-analysis to evaluate the efficacy and safety of BLC in the treatment of RA, in order to provide guidance for finding effective auxiliary methods for the treatment of RA in maintenance hemodialysis patients (MHP). Methods: Using the computer to retrieve PubMed, EMbase, Cochrane Library, CNKI, VIP Database, WANFANG Database, SinoMed from 1990 to 2021 and collecting the clinical randomized controlled trial and retrospective cohort study of BLC in the treatment of RA in MHP. Two researchers independently read and screened the literature, followed by evaluating the retrospective cohort studies that met the selection criteria using the Newcastle-Ottawa Scale (NOS) scale. The randomized controlled trial used the Cochrane manual standards to assess the risk of bias, and the RevMan 5.3 software was used to conduct a meta-analysis of the result data. Results: This study will use the method of meta-analysis to evaluate the clinical efficacy and incidence of adverse reactions of BLC in the treatment of RA in MHP through the primary and secondary outcome indicators. Conclusion: The results of this study will help clinicians find safe and effective adjuvant therapy in the treatment of RA in MHP. OSF registration number: DOI 10.17605/OSF.IO/732KP (https://osf.io/732kp).
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,009 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».