The Effectiveness and Safety of Tai Chi on Knee Pain: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background/Objectives: Although Tai Chi has shown potential benefits for managing chronic pain, its clinical effectiveness specifically for knee pain remains inconclusive. Methods: We systematically searched ten electronic databases for randomized controlled trials (RCTs) investigating the effects of Tai Chi on knee pain. Results: This systematic review and meta-analysis included 11 RCTs involving 706 participants; among them, three studies (n = 169) were eligible for meta-analysis. A comprehensive search of ten electronic databases was conducted up to March 2025. The included RCTs were conducted in the United States (n = 5), China (n = 3), South Korea (n = 2), and Turkey (n = 1). Compared to health education, Tai Chi significantly improved knee pain, as measured using the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain score (mean difference (MD) = −0.60; 95% CI: −6.52 to −3.28; p < 0.00001) and the Visual Analogue Scale (VAS) (MD = −1.44; 95% CI: −1.95 to −0.93; p < 0.00001). Tai Chi also significantly improved knee function compared to health education (WOMAC function score—MD = −13.49; 95% CI: −17.11 to −9.87; p < 0.00001). Four RCTs comparing Tai Chi with no intervention reported favorable effects on knee pain and function; however, a meta-analysis was not possible due to limited data. In contrast, two studies comparing Tai Chi with active controls, such as physical therapy and resistance training, found no significant differences in pain or functional outcomes. Two studies reported increased knee pain during initial Tai Chi sessions, but no adverse events occurred after postural corrections. Conclusions: While Tai Chi appears promising for knee pain management, further large-scale, high-quality RCTs with rigorous methodology are needed to establish definitive evidence.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».