MétaCan
Menu
Retour à la cohorte
Enregistrement W4297098415 · doi:10.1097/hm9.0000000000000045

Traditional Chinese medicine for promoting mental health of patients with COVID-19: a scoping review

2022· review· en· W4297098415 sur OpenAlexaboutno aff
Zhaochen Ji, Haiyin Hu, Danlei Wang, Marco Di Nitto, Alice Josephine Fauci, Masayoshi Okada, Kai Li, Hui Wang

Notice bibliographique

RevueAcupuncture and Herbal Medicine · 2022
Typereview
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Mental health2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicinePsychologyPsychiatryVirologyInfectious disease (medical specialty)DiseasePathologyOutbreak

Résumé

récupéré en direct d'OpenAlex

Objective: This study aimed to systematically review and depict the current studies of traditional Chinese medicine for the mental health of patients with coronavirus disease 2019 (COVID-19). Methods: A scoping review was conducted by searching PubMed, Web of Science, CNKI, Wanfang database, VIP database, and SinoMed, with the retrieval time being from the establishment of the database to April 18, 2022. The basic information of the included studies, objective, design, types of patients, interventions, outcomes, etc., was reviewed and summarized narratively. Methodological quality was assessed using the Cochrane Risk of Bias assessment tool, the methodological index for non-randomized studies or the Newcastle–Ottawa scale. Results: We identified 30 traditional Chinese medicine (TCM) studies from six databases. Among them, finished randomized controlled trials (n = 16) accounted for most of the studies, followed by single-arm studies (n = 9). In terms of study theme, 20 studies defined the mental health of patients with COVID-19 as the research theme. Psychological assessment was included in the inclusion criteria (performed before participation) of nine studies, whereas the other studies only mentioned the mental outcomes. TCM interventions included TCM exercises (Yijinjing, Baduanjin, Liuzijue, Taichi), acupoint stimulation (auricular and body points), moxibustion, decoction, or granules based on TCM syndrome differentiation, decoction, or granules with fixed formulae (Baidu Jieduan granules, Xuanfei Baidu decoction, and Qingfei Paidu decoction), Chinese patent medicine (Jinhua Qinggan granules), TCM psychological therapy (TCM ideological therapy, TCM five-tone therapy, and TCM psychological sand table), and TCM nursing (dialectical care, dialectical diet, and psychological counseling). Anxiety and depression were the main outcomes evaluated in regard to mental health in patients with COVID-19. The limitations of methodological quality were predominantly from follow-up, blinding, and registration. Positive results were reported by 27 studies (90%, n = 30). Conclusion: We summarized the existing literature about the impact of TCM on mental health in patients with COVID-19. The number of studies evaluating the impact of TCM on mental health is encouraging, but overall methodological quality was low. Several TCM interventions warrant further evaluation, particularly among populations outside of China, for the purpose of establishing supporting evidence. More importantly, research with stronger methodological quality needs to be developed. Graphical abstract: http://links.lww.com/AHM/A36.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0120,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,490
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcupuncture and Herbal MedicineMême sujetCOVID-19 and Mental HealthTravaux en français237 207