Physical modalities for the treatment of knee osteoarthritis: a network meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: This network meta-analysis (NMA) aimed to compare the efficacy of various physical modalities in alleviating pain, stiffness, and functional impairment in patients with knee osteoarthritis (KOA). METHODS: In accordance with PRISMA-P guidelines, we systematically searched nine databases(CNKI, VIP Database, Wanfang Database, SinoMed, PubMed, Embase, CINAHL, Web of Science, and the Cochrane Library) from inception to October 2024 to identify randomized controlled trials (RCTs) evaluating physical therapies for KOA. The interventions assessed included electrical stimulation therapy (EST), low-level light therapy (LLLT), thermotherapy (TT), cryotherapy (CT), and extracorporeal shock wave therapy (ESWT), with resistance and range of motion exercises (RRE) serving as comparators. Outcome measures comprised the Visual Analog Scale (VAS), Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC), and 6-minute walk test (6 MWT). Bayesian network meta-analyses and pairwise meta-analyses were performed using Stata 17.0 and R 4.4.1 software. RESULTS: 32 RCTs involving 2,078 participants were included. LLLT demonstrated the highest efficacy for pain reduction (VAS: MD=-3.32, 95% CI:-3.82 to-0.75; WOMAC pain: MD=-3.74, 95% CI:-6.68 to-0.72) and joint function improvement (SUCRA = 79.8). ESWT ranked second for pain relief (VAS: MD=-1.31, 95% CI:-2.42 to-0.16) and mobility enhancement (6 MWT: SUCRA = 71.5), while TT showed superior efficacy in reducing stiffness (WOMAC stiffness: MD=-2.09, 95%CI:-3.06 to-0.94; SUCRA = 98.1). In contrast, ultrasonic therapy (UT) did not provide significant benefits. CONCLUSIONS: The findings suggest that LLLT and ESWT may be optimal for pain relief and functional improvement in patients with KOA, whereas TT appears to be the most effective in reducing stiffness. Optimal dosing parameters of these physical modalities are crucial for maximizing clinical benefits. Clinicians should individualize treatment strategies based on patient-specific factors. Future large-scale RCTs are warranted to validate these protocols and address the heterogeneity of existing evidence. CLINICAL TRIAL NUMBER: Not applicable.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».