Chinese Herbal Medicine for Mild Cognitive Impairment: A Systematic Review of Randomized Controlled Trials
Notice bibliographique
Résumé
Objectives: This study aims to explore the benefits and harms of Chinese Herbal Medicine (CHM) for mild cognitive impairment (MCI). Methods: Electronic searching was conducted in two English and four Chinese databases till 2021 December. Randomized clinical trials on CHM compared to no intervention, placebo or other therapies for MCI were included. Results: Forty-nine RCTs (48 finished trials and 1 protocol) were identified. The overall methodological quality of included trials was relatively low. This review found that compared to no intervention or placebo, CHM can significantly decrease the number of patients who progressed to dementia (RR 0.36, 95% CI 0.22-0.58) and increase the cognitive function assessed by MMSE (MD 1.96, 95% CI 1.41-2.50) and MoCA (MD 2.44, 95% CI 1.57-3.31). The subgroup analysis of different CHM showed that Ginko leaf tablets can significantly improve the cognitive function compared to no intervention or placebo when assessed by MMSE (MD 2.03, 95% CI 1.18-2.88) and MoCA (MD 3.11, 95% CI 1.90-4.33). Compared to western medicine, CHM can significantly increase the score of MMSE (MD 0.88 95% CI 0.46-1.30) and MoCA (MD 0.87, 95% CI 0.33-1.41), but there was no significant difference on the score of ADL (SMD -0.61, 95% CI -1.49 to 0.27). None of the RCTs reported on the quality of life. Of 22 RCTs that reported adverse events, there was no statistical difference between the CHM and the control group. Conclusions: CHM, Ginko leaf extracts in particular, could help to prevent progression into dementia and to improve cognitive function and ability of daily living activities. More qualified RCTs were needed to confirm the conclusion due to the low quality of current trials. Systematic Review Registration: Unique Identifier: CRD42020157148.
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 | 0,016 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,052 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».