MétaCan
Menu
Retour à la cohorte
Enregistrement W4385798769 · doi:10.1111/cob.12611

The use of non‐invasive brain stimulation techniques to reduce body weight and food cravings: A systematic review and meta‐analysis

2023· review· en· W4385798769 sur OpenAlexaff
Yousef Alhindi, Najat Khalifa, Waleed Al‐Khyatt, Iskandar Idris

Notice bibliographique

RevueClinical Obesity · 2023
Typereview
Langueen
DomaineNeuroscience
ThématiqueTranscranial Magnetic Stimulation Studies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésTranscranial direct-current stimulationMedicineMeta-analysisFood cravingNeurostimulationBrain stimulationRandomized controlled trialTranscranial magnetic stimulationBody mass indexWeight lossStimulationConfidence intervalObesityCravingInternal medicinePhysical therapyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Summary Several studies demonstrated non‐invasive brain stimulation (NIBS) techniques such as transcranial direct current stimulation (tDCS) and transcranial magnetic stimulation (TMS) are safe and simple techniques that can reduce body weight, food cravings, and food consumption in patients with obesity. However, a systematic to evaluate the efficacy of active NIBS versus sham stimulation in reducing body weight and food cravings in patients with obesity is not available. We conducted a systematic review and meta‐analysis of randomized controlled trials (RCTs) using PubMed, Embase, MEDLINE, and Cochrane Central Register of Control Trial between January 1990 and February 2022. Mean differences (MDs) for continuous outcome variables with 95% confidence intervals (95% CIs) were used to examine the effects of NIBS on body weight and body mass index (BMI), whereas the hedges's g test was used to measure the effects on food craving. Nineteen RCTs involving 571 participants were included in this study. Active neurostimulation (TMS and tDCS) was significantly more likely than sham stimulation to reduce body weight (TMS: −3.29 kg, 95% CI [−5.32, −1.26]; I2 = 48%; p < .001; tDCS: −0.82 kg, 95% CI [−1.01, −0.62]; I2 = 0.0%; p = .00) and BMI (TMS: −0.74, 95% CI [−1.17, −0.31]; I2 = 0% p = .00; tDCS: MD = −0.55, 95% CI [−2.32, 1.21]; I2 = 0% p = .54) as well as food cravings (TMS: g = −0.91, 95% CI [−1.68, −0.14]; I2 = 88 p = .00; tDCS: g = −0.32, 95% CI [−0.62, −0.02]; p = .04). Compared with sham stimulation, our findings indicate that active NIBS can significantly help to reduce body weight and food cravings. Hence, these novel techniques may be used as primary or adjunct tools in treating patients with obesity.

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)0,010
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,024
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,028
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,320
Tête enseignante GPT0,455
Écart entre enseignants0,135 · 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.

Devis d'étudeMéta-analyse
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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ObesityMême sujetTranscranial Magnetic Stimulation StudiesTravaux en français237 207