Treatment of Shengqingtongqiao Decoction for mild cognitive impairment of white matter lesions: Study protocol for a randomized, double-blind, double-dummy, parallel controlled trial
Notice bibliographique
Résumé
Abstract Background White matter lesions(WML) is an important cause of mild cognitive impairment(MCI). Ginkgo biloba extracts (GBTs) are widely used to treat cognitive dysfunctions. But the treatment of MCI is still limited. Shenqingtongqiao Decoction(SQTQD), as a clinical empirical formula, has received good feedback in treating MCI of WML. However, there was a lack of solid clinical research on SQTQD in treating MCI. The purpose of this study is to evaluate the efficacy of SQTQD in the MCI patients of WML. Methods This is a randomized, double-blind, double-dummy, parallel-controlled trial. 80 participants will be assigned to receive SQTQD granules plus GBTs mimetics or SQTQD mimetic granules plus GBTs in a 1:1 ratio. The trial will last 24 weeks, including a 12-week intervention and 12-week follow-up. The primary outcome is MoCA and AVLT. The secondary outcome is a neuropsychological battery (including MMSE, SCWT, TMT, DST, SDMT, BNT, VFT, and CDT), quality of life(BI, ADL, and FAQ scores), emotion assessment(PHQ-9, GAD-7 score), Fazekas and ARWMCs scale, and fMRI. Researchers will record any adverse events throughout the trial. Discussion This study will provide evidence to evaluate the efficacy and safety of SQTQD for MCI of WML compared with GBTs. The trial is registered at Chinese Clinical Trial Registry Chinese Clinical Trial Registry (Number: ChiCTR2300068552)
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| 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 ».