MétaCan
Menu
Retour à la cohorte
Enregistrement W4406038065 · doi:10.1186/s40001-024-02193-9

Effect of Astragalus injection treatment for viral myocarditis: a systematic review and meta-analysis

2025· review· en· W4406038065 sur OpenAlexaff
Dinala Jialiken, Lichao Qian, Shi Wu Wen, Shuai Ren, Yadong Fan, Yi Dong, Chong Zou

Notice bibliographique

RevueEuropean journal of medical research · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueTraditional Chinese Medicine Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAstragalusMeta-analysisMedicineViral MyocarditisMyocarditisMEDLINEVirologyInternal medicineAlternative medicinePathologyBiologyTraditional Chinese medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Astragalus injection has been utilized in traditional Chinese medicine to treat a variety of diseases. The purpose of this systematic review was to evaluate the effectiveness of Astragalus injection in the treatment of viral myocarditis. METHODS: English databases such as PubMed, Cochrane Library, and EMBASE, and Chinese databases of Sino Med, China National Knowledge Infrastructure (CNKI), the VIP Information Resource Integration Service Platform, and Wanfang Data Information Site, were searched from their inception until May 1, 2024. The outcome measures of this study included the effectiveness rate, creatine kinase (CK), aspartate aminotransferase (AST), creatine kinase Isoenzyme (CK-MB), lactate dehydrogenase (LDH), cardiac troponin I (cTnI), and electrocardiogram (ECG). RESULTS: Twenty-six studies were included in this analysis, comprising a total of 2793 patients. Meta-analyses indicated that, compared to standard treatment alone, the Astragalus injection group demonstrated significant advantages, achieving an effectiveness rate of 92.79% (1094 cases). In contrast, the control group, which included 1108 cases, had an effectiveness rate of 77.71% (861 cases). Additionally, the Astragalus injection group exhibited the following benefits for patients affected by viral myocarditis: decreasing ∆AST [weighted mean difference (WMD) = - 14.23, 95% confidence interval (CI) (- 24.17, - 4.30), P < 0.05]; ∆CK [weighted mean difference (WMD) = - 34.84, 95% confidence interval (CI) (- 48.03, - 21.65), P < 0.05], lowering ∆CK-MB [WMD = - 7.64, 95% CI (- 9.30, - 5.99), P < 0.001], ∆cTnl [WMD = - 0.18, 95% CI (- 0.27, - 0.10), P < 0.001], ∆LDH [WMD = -41.93, 95% CI (- 55.97, - 27.90), P < 0.05], and ∆cTnI [WMD = - 0.18, 95% CI (- 0.28, - 0.08), P < 0.05]. CONCLUSION: Astragalus injection may have a therapeutic effect in patients with viral myocarditis by reducing levels of AST, CK, CK-MB, LDH, and cTnI, improving ECG results, and increasing the overall effectiveness rate for those affected by this condition. TRIAL REGISTRATION: This study registered with PROSPERO before conducting the systematic review. The registration number is CRD42021239660.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0170,035
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,186
Tête enseignante GPT0,508
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean journal of medical researchMême sujetTraditional Chinese Medicine AnalysisTravaux en français237 207