The Efficacy of Electroacupuncture in the Treatment of Knee Osteoarthritis: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
This study aims to evaluate the comparative efficacy of electroacupuncture (EA) and analgesics in treating knee osteoarthritis (KOA) and provide evidence-based medical support for EA for the treatment of KOA. Randomized controlled trials from January 2012 to December 2021 are included in electronic databases. The Cochrane risk of bias tool for randomized trials is used to assess the risk of bias in the included studies, while the Grading of Recommendations, Assessment, Development and Evaluation is used to assess the quality of evidence. Statistical analyses are performed using Review Manager V5.4. There are 1616 patients from 20 clinical studies, including 849 patients in the treatment group and 767 patients in the control group. The effective rate in the treatment group is significantly higher than in the control group (p < 0.00001). In the treatment group, Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) stiffness scores are significantly improved as compared to the control group (p < 0.0001). However, EA is similar to analgesics in improving visual analog scale scores and WOMAC subitems such as pain and joint function. EA is effective in treating KOA because it can significantly improve clinical symptoms and quality of life in KOA patients.
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 | 0,013 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,022 | 0,026 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 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 ».