Topical Pistacia vera L. Seed Oil Preparation and Its Effects on Knee Osteoarthritis Through a Randomized Double-blind Controlled Clinical Trial
Notice bibliographique
Résumé
Background: Osteoarthritis (OA) is a degenerative joint disease that globally affects the elderly, leading to pain and disability. Herbal medications and alternative therapies have demonstrated positive effects on arthritis management. Pistacia vera has traditionally been used for inflammatory conditions and has also shown antinociceptive effects. Objectives: Given the limited available scientific evidence, our randomized controlled trial aimed to assess the potential protective role of topical P. vera seed oil preparation in patients with knee OA. Methods: A total of 89 patients with knee OA (n = 89) were randomly allocated into three groups: Placebo, piroxicam, and P. vera. The topical formulations were administered twice daily over a period of three months. Pain level, patient health status, and performance were evaluated using the visual analog scale (VAS) and Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). Statistical analysis was performed using SPSS software. Results: The application of P. vera ointment demonstrated pain reduction in patients, as indicated by VAS and WOMAC assessments. Additionally, WOMAC scores showed that P. vera ointment alleviated motion stiffness and improved activity difficulties in patients (P < 0.001). In certain parameters, the topical application of P. vera showed greater effectiveness in treating knee OA than piroxicam (P < 0.05). Conclusions: Pistacia vera ointment shows promise as a potential therapeutic option for osteoarthritis, effectively addressing the detrimental effects of the disease. Further experimental and clinical studies are warranted to elucidate its efficacy and safety profile.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».