Symptom Management for Distal Sensory Peripheral Neuropathy in T2DM: A Preliminary RCT using Moxibustion
Notice bibliographique
Résumé
Distal sensory peripheral neuropathy (DSP) is a chronic, painful condition in the lower limbs of many individuals with Type 2 Diabetes (T2DM). DSP is the most prevalent complication of T2DM. Moxibustion, a traditional Chinese medicine therapy, offers a non-invasive and promising treatment for DSP pain. This study examined Traditional and Smokeless Moxibustion in a prospective, randomized, placebo-and waitlist-controlled, subject-and evaluator-blinded, parallel-group clinical trial. Participants received twice weekly moxibustion treatments for three weeks and were followed for two months. Participants in this preliminary study completed symptom diaries, Gracely Pain Scale (GPS), Subjective Peripheral Neuropathy Scale (SPNS), and Clinical Global Impression Scale (CGIS) patient-rated outcomes. In both Traditional and Smokeless Moxibustion groups, not control groups, GPS symptom severity decreased from baseline to end of treatment, and the benefit was sustained for two months post-treatment, p< 0.001. In treated groups, all three SPNS characteristics (pain, pins/needles, numbness) decreased by >3 severity levels at the end of treatment and were unchanged from baseline in control groups, p <0.001. Traditional and Smokeless Moxibustion show promise as a non-invasive and non-pharmacologic therapy in DSP symptoms associated with T2DM. Standards for Reporting Interventions in Controlled Trials of Acupuncture-Moxibustion (STRICTA-M) guided the development and design of this study.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».