Effects of neuromodulation techniques on pain and depression in patients with phantom limb pain: a systematic review and meta-analysis
Notice bibliographique
Résumé
Objective This systematic review and meta-analysis aimed to evaluate the efficacy of neuromodulation techniques in alleviating pain and depression in patients with phantom limb pain (PLP). Methods We conducted a comprehensive search of five databases (Medline, Scopus, Embase, Cochrane Library, and Web of Science) up to March 2025, following PRISMA guidelines. Randomized controlled trials (RCTs) investigating central (e.g., rTMS, tDCS) and peripheral (e.g., TENS, NMES, PNS) neuromodulation techniques in PLP patients were included. Primary outcomes were pain reduction, measured by the Visual Analog Scale (VAS) and McGill Pain Questionnaire (MPQ), and depression, assessed using the Beck Depression Inventory (BDI) and Self-Rating Depression Scale (SDS). Data were extracted and analyzed using Review Manager and Stata, with heterogeneity assessed via the I 2 statistic and Q test. Results 17 RCTs involving 510 patients were included. Central neuromodulation techniques, particularly rTMS and tDCS, significantly reduced pain in PLP patients [excitatory M1 rTMS: MD = −1.45, 95%CI (−2.78, −0.11), p = 0.03; anodal M1 tDCS: MD = −1.60, 95%CI (−2.45, 0.74), p = 0.0003]. tDCS with duration >15 min [I 2 = 12%, MD = -1.91, 95%CI (−3.10, 0.72), p = 0.002] and rTMS>7 days treatment [MD = -4.35, 95%CI(−6.34,-2.36), p < 0.0001] were observed significant pooled effects. Peripheral techniques, including TENS and PNS, also showed pain relief, though with fewer studies. No significant improvement in depression. Conclusion Neuromodulation techniques, particularly rTMS and tDCS, are effective in reducing PLP but do not significantly alleviate depression. Further large-scale RCTs with longer follow-ups are needed to confirm these findings and explore the efficacy of other neuromodulation methods. Systematic review registration PROSPERO CRD42022314995.
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 | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,036 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».