Is radiofrequency ablation effective in treating patients with chronic knee osteoarthritis? A meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
Background and aims: This meta-analysis aimed to evaluate the short-term and long-term efficacy of radiofrequency ablation (RFA) and explore the role of diagnostic genicular nerve blocks in predicting treatment outcomes. Methods: A comprehensive literature search was conducted, and nine randomized controlled trials involving 714 participants were included in the analysis. Data extraction, risk of bias assessment, and subgroup analyses were performed. The primary outcome measures were pain scores at 6 and 12 months, assessed using visual analogue scale and Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). The quality of evidence was assessed using the Grading of Recommendations Assessment, Development and Evaluation (GRADE) methodology. Results: The meta-analysis revealed that RFA demonstrated a significant short-term efficacy in reducing pain compared to the control group at 6 months, as indicated by the pain scores [weighted mean difference (WMD): -2.69, 95% CI: -3.99, -1.40]. Similarly, WOMAC scores at 6 months favored the RFA group (WMD: -4.40, 95% CI: -7.12, -1.68). However, the long-term efficacy of RFA at 12 months remained uncertain for both pain scores (WMD: -0.88, 95% CI: -2.36, 0.61) and WOMAC (WMD: 0.03, 95% CI: -0.25, 0.32). Subgroup analysis suggested that a positive result from the diagnostic genicular nerve blocks test was associated with a more favourable short-term outcome. Conclusion: This meta-analysis provides moderate-quality evidence supporting the short-term efficacy of RFA in reducing pain in patients with knee osteoarthritis. The inclusion of a diagnostic genicular nerve blocks test prior to RFA may help identify patients likely to benefit from the procedure. But it still needs more large sample studies to verify the results. However, further research is needed to determine the long-term efficacy of RFA in managing knee osteoarthritis pain.
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 | 0,028 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,061 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».