Herbal extracts in orofacial pain: a systematic review and direct and indirect meta-analysis
Notice bibliographique
Résumé
The pharmaceutical industry has been primarily focused on developing synthetic drugs to address orofacial pain (OFP)-related conditions. There is limited knowledge regarding the efficacy of the use of herbal extracts in treating OFP. A systematic review and a meta-analysis of 62 randomized controlled trials assessing the analgesic effects of herbal extracts on pain intensity in various orofacial conditions was conducted. The intervention comprised the use of herbal extracts compared with a placebo and/or standard treatment. The primary outcome was pain intensity assessed before and after the intervention. The pain scores were compared with the baseline scores in each treatment. When compared with standard therapy, the pooled results of the patients who received herbal extracts revealed lower pain intensity in periodontal pain (MD = -0.92[-6.69, 4.85]), oral surgery pain (MD = 18.80[8.80, 28.79]), oral neuropathic pain (MD = 20.34[6.16, 34.52]), endodontic pain (MD = -8.04[-11.72, -4.37]), oral mucosal pain (MD = 8.74[2.76, 14.73]), and temporomandibular pain (MD = 30.94[6.04, 55.83]). The findings indicated a pain-attenuating effect of herbal extracts such as cannabis, turmeric, capsaicin, licorice, ginger, chamomile, clove, Hypericum perforatum, and Arnica montana. These findings revindicate that herbal extracts may be valuable alternatives to traditional pain medications and promising source for the development of new active ingredients for pharmaceuticals.
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 | 0,012 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,039 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».