Effect of traditional Chinese exercises on knee osteoarthritis: A network meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Osteoarthritis is the third leading risk factor for disability in older adults. OBJECTIVE: To compare the efficacy of different traditional Chinese exercises on knee osteoarthritis by network meta-analysis, and to provide a reference basis for patients to choose the best method. METHODS: Seven databases, including Pubmed, Embase, The Cochrane Library, Web of Science, China National Knowledge Infrastructure, WanFang, and China Science and Technology Journal Database were searched for literature on traditional Chinese exercise to improve the symptoms of patients with knee osteoarthritis. The search period was from inception of the database until February 14, 2024. Literature screening and data extraction were carried out independently by 2 investigators, and the quality of the included studies was evaluated using the Cochrane Risk of Bias 2.0 assessment tool. R4.2.3 and Stata 15.0 were used for analysis. RESULTS: Forty-two studies involving 2843 patients were ultimately included, encompassing 4 kinds of traditional Chinese exercise. The surface under the cumulative ranking curve (SUCRA) showed that Baduanjin was the best traditional Chinese exercises for Western Ontario and McMaster University Osteoarthritis Index scores including pain score (SUCRA = 0.85), stiffness score (SUCRA = 0.87), physical function score (SUCRA = 0.88) and overall score (SUCRA = 0.83). For Visual Analog Scale pain score, the most effective traditional Chinese exercise was Tai Chi (SUCRA = 0.93). CONCLUSION: The efficacy of Tai Chi, Baduanjin, Yijinjing, and Wuqinxi on knee osteoarthritis patients is superior to that of usual care. Baduanjin had the best effect in improving stiffness, physical function and overall score, and both Baduanjin and Tai Chi were the best options for improving 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 | 0,021 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,038 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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 ».