AI-Assisted Knee Infrared Imaging Based Acupuncture for Treating Knee Osteoarthritis: A Randomized Controlled Study Protocol
Notice bibliographique
Résumé
Background: The variability in acupoint selection limits the standardization of acupuncture for knee osteoarthritis (KOA) and is one of the important factors affecting treatment efficacy. Recent advancements in artificial intelligence (AI) and infrared imaging provide opportunities to enhance the precision and standardization of acupuncture. Methods: This multicenter, single-blind, randomized controlled trial aims to evaluate whether AI-assisted personalized acupuncture is superior to traditional acupuncture and sham acupuncture in alleviating pain and improving joint function in patients with KOA. A total of 120 participants will be recruited from four hospitals in China and randomly assigned to three groups: the specific acupoint group (n=40), the conventional acupoint group (n=40), and the sham acupuncture group (n=40). All groups will receive acupuncture treatment twice a week for 8 weeks, with a total of 16 sessions. Outcome assessments will be conducted at baseline, week 8, and week 12. The AI system utilizes infrared imaging to identify heat-sensitive knee surface areas, and generates individualized acupoint prescriptions through internal decision analysis. Discussion: The primary outcomes are knee pain (Numeric Rating Scale, NRS) and function (WOMAC subscale). Secondary outcomes include knee pain and stiffness (Western Ontario and McMaster Universities Osteoarthritis Index subscale, WOMAC subscale), quality of life (Short Form 12, SF-12), knee range of motion, Traditional Chinese Medicine (TCM) clinical efficacy, and inflammatory indicators (IL-1β, IL-6, and TNF-α). This trial is expected to provide high-quality evidence for the clinical value and standardization of AI-assisted acupuncture. Trial Registration: This study has been registered with the Chinese Clinical Trial Registry (ChiCTR2400087106, July 19, 2024).
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 | 0,032 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».