MétaCan
Menu
Retour à la cohorte
Enregistrement W4406296519 · doi:10.13703/j.0255-2930.20240715-k0004

[Internal heat acupuncture therapy for 44 cases knee osteoarthritis of early to middle stages].

2025· article· en· W4406296519 sur OpenAlexaboutno aff
Jiawei Lian, Zheying Lai, Jianfeng Xu, Ruizhu Lin

Notice bibliographique

RevuePubMed · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAcupuncture Treatment Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOsteoarthritisAcupunctureMedicinePhysical therapyAcupuncture therapyPhysical medicine and rehabilitationAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To observe the clinical effect of internal heat acupuncture therapy for knee osteoarthritis of early to middle stages, and explore its influence on cartilage thickness. METHODS: points (most of them are located at the subpatellar fat pad, both sides of the patellar ligament, the tendon of the quadriceps and the attachment of the medial and lateral collateral ligaments), once a week, a total of 4 weeks of treatment. Before and after treatment, after 3 months of treatment completion (in the follow-up), the visual analogue scale (VAS) score, Western Ontario and McMaster Universities osteoarthritis index (WOMAC) score, frequency of 30-second chair stand test (30sCST), cartilage thickness of femoral intercondylar and knee joint ultrasound score were compared, and the clinical effect was evaluated. RESULTS: <0.05) compared with those before treatment. After treatment, the total effective rate was 93.2% (41/44), in the follow-up, the total effective rate was 95.5% (42/44). CONCLUSION: Internal heat acupuncture therapy is effective in the treatment of knee osteoarthritis of early to middle stages, could relieve the pain, improve the joint function, and delay cartilage degeneration and disease progression.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,042
Tête enseignante GPT0,308
Écart entre enseignants0,266 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetAcupuncture Treatment Research StudiesTravaux en français237 207