Factors Associated with the Magnitude Of acUpuncture treatment effectS (FAMOUS): a meta-epidemiological study of acupuncture randomised controlled trials
Notice bibliographique
Résumé
OBJECTIVE: To identify factors and assess to what extent they impact the magnitude of the treatment effect of acupuncture therapies across therapeutic areas. DATA SOURCE: Medline, Embase, Cochrane Central Register of Controlled Trials, China National Knowledge Infrastructure, Wanfang Database, VIP Database, and China Biology Medicine disc, between 2015 and 2019. STUDY SELECTION: The inclusion criteria were trials with a total number of randomised patients larger than 100, at least one patient-important outcome and one of two sets of comparisons. DATA ANALYSIS: The potential independent variables were identified by reviewing relevant literature and consulting with experts. We conducted meta-regression analyses with standardised mean difference (SMD) as effect estimate for the dependent variable. The analyses included univariable meta-regression and multivariable meta-regression using a three-level robust mixed model. RESULTS: 1304 effect estimates from 584 acupuncture randomised controlled trials (RCTs) were analysed. The multivariable analyses contained 15 independent variables . In the multivariable analysis, the following produced larger treatment effects of large magnitude (>0.4): quality of life (difference of adjusted SMDs 0.51, 95% CI 0.24 to 0.77), or pain (0.48, 95% CI 0.27 to 0.69), or function (0.41, 95% CI 0.21 to 0.61) vs major events. The following produced larger treatment effects of moderate magnitude (0.2-0.4): single-centred vs multicentred RCTs (0.38, 95% CI 0.10 to 0.66); penetration acupuncture vs non-penetration types of acupuncture (0.34, 95% CI 0.15 to 0.53); non-pain symptoms vs major events (0.32, 95% CI 0.12 to 0.52). The following produced larger treatment effects of small magnitude (<0.2): high vs low frequency treatment sessions (0.19, 95% CI 0.03 to 0.35); pain vs non-pain symptoms (0.16, 95% CI 0.04 to 0.27); unreported vs reported funding (0.12, 95% CI 0 to 0.25). CONCLUSION: Patients, clinicians and policy-makers should consider penetrating over non-penetrating acupuncture and more frequent treatment sessions when feasible and acceptable. When designing future acupuncture RCTs, trialists should consider factors that impact acupuncture treatment effects.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | MétarechercheMéta-épidémiologie (sens strict)Méta-épidémiologie (sens large) Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | low |
| gpt | MétarechercheMéta-épidémiologie (sens strict)Méta-épidémiologie (sens large) Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,103 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,066 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».