Perbandingan efektivitas terapi injeksi intra-artikular HA, LP-PRP, dan LR-PRP terhadap keluhan nyeri lutut pada osteoarthritis: meta-analysis
Notice bibliographique
Résumé
Pendahuluan: Osteoarthritis dapat mengurangi kualitas hidup seseorang akibat nyeri dan keterbatasan gerak. Pengobatan OA menggunakan obat analgesik dan antiinflamasi berisiko mengakibatkan perdarahan pada lambung. Terapi invasif dengan penyuntikan IA menjadi pilihan yang baik namun karena risiko akibat penyuntikan dan biaya yang cukup mahal sehingga perlu melakukan meta-analisis untuk menentukan mana yang paling efektif mengurangi nyeri pada pasien KOA. Hasil penelitian ini diharapkan dapat membantu pemilihan terapi injeksi intra artikular yang lebih efektif dan tepat dalam memberikan terapi pada pasien KOA. Metode: Pencarian artikel RCT yang menilai efektifitas IA PRP (LP-PRP atau LR-PRP) dengan IA-HA, terhadap nyeri dengan skor Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) sebagai alat ukur, dari Pubmed, Cochrane, Proquest, ScienceDirect, Clinical Key, dan EBSCO host. Artikel dinilai kualitasnya dengan skala JADAD. Lalu yang terpilih akan dilakukan meta analisis. Alur pemilihan artikel akan disajikan dalam PRISMA flow chart. Hasil: Enam penelitian memenuhi kriteria kelayakan yang dipisahkan berdasarkan variabelnya, leukocyte-poor platelet rich plasma dan HA dan leukocyte-rich platelet rich plasma dan HA. Terdapat perbedaan rerata skor WOMAC yang signifikan pada LR-PRP dibandingkan dengan HA (mean difference -5,24) dan LP-PRP dibandingkan dengan HA (mean difference -3,82). Simpulan: Hasil meta-analisis ini dapat disimpulkan bahwa terapi injeksi intra-artikular dengan LR-PRP lebih unggul daripada LP-PRP dan HA pada 6 dan 12 bulan, terutama untuk nyeri lutut simtomatik.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».