[Point-pricking method with fire needle for knee osteoarthritis: a randomized controlled trial].
Notice bibliographique
Résumé
OBJECTIVE: To observe the effects of point-pricking method with fire needle on the symptoms of knee joint and physio-psychological health in the patients with knee osteoarthritis (KOA). METHODS: Sixty six patients with KOA were randomly divided into a fire needling group (33 cases) and a filiform needling group (33 cases). The patients received the point-pricking method with fire needle in the fire needle group while the conventional acupuncture with filiform needle was provided in the filiform needling group. The basic health management was performed in both groups. The acupoints included bilateral Liangqiu (ST34), Xuehai (SP10), Dubi (ST35), Neixiyan (EX-LE4), Yanglingquan (GB34) and Zusanli (ST36) as well as Ashi points. The treatment was conducted twice a week for 6 weeks consecutively. Before and after treatment, the scores of Western Ontario and McMaster University Osteoarthritis Index (WOMAC), traditional Chinese medicine (TCM) symptoms and visual analogue score (VAS), the numbers of affected areas of knee joint pain and the scores of 12-item short-form health survey (SF-12) were assessed and the incidence of adverse effects was recorded. RESULTS: <0.05) in the fire needling group after treatment. None adverse effects were found in either group. CONCLUSION: The point-pricking method with fire needle is safe and effective when compared with conventional acupuncture with filiform needle. In the aspects of improving knee joint function, relieving joint pain and advancing the quality of life, the point-pricking method with fire needle is superior to the conventional acupuncture with filiform needle.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».