MétaCan
Menu
Retour à la cohorte
Enregistrement W6945190821 · doi:10.25384/sage.c.5032451

A comparison of the effects of electroacupuncture versus transcutaneous electrical nerve stimulation for pain control in knee osteoarthritis: a Bayesian network meta-analysis of randomized controlled trials

2020· other· en· W6945190821 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectroacupunctureTranscutaneous electrical nerve stimulationRandomized controlled trialAcupunctureVisual analogue scaleCochrane LibraryConfidence intervalOsteoarthritis

Résumé

récupéré en direct d'OpenAlex

BackgroundTo compare the effectiveness of electroacupuncture (EA) and transcutaneous electrical nerve stimulation (TENS) for pain control in knee osteoarthritis (KOA).MethodsFour English (MEDLINE, EMBASE, Cochrane Library and Web of Science) and three Chinese (China Science Journal Citation Report (VIP), Wanfang and China National Knowledge Infrastructure (CNKI)) language databases were searched for eligible randomized controlled trials (RCTs), comparing four approaches: EA, TENS, medication and sham/placebo controls. The primary outcome was pain intensity, measured by visual analogue scale (VAS), numeric-rating scale (NRS) or Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) scale. Classic pairwise and Bayesian network meta-analyses were conducted to integrate the treatment efficacy/effectiveness through direct and indirect evidence.ResultsThirteen studies were included. In the direct meta-analyses, there was no statistically significant overall effect of EA (mean difference (MD) −4.77, 95% confidence interval (CI) −12.51 to 2.96), while the overall effects of high-frequency transcutaneous electrical nerve stimulation (H-TENS) (MD −16.63, 95% CI −24.57 to −8.69) and medication (MD −7.12, 95% CI −12.07 to −2.17) were statistically significant. In the network meta-analyses, the relative effect of the EA and H-TENS groups (MD 5.07, 95% CI −11.33 to 21.93) on pain control did not differ. Meanwhile, H-TENS demonstrated the highest probability of being the first best treatment, and EA had the second highest probability.ConclusionThe present analysis indicated that both EA and TENS exert significant pain relieving effects in KOA. Among the four treatments, H-TENS was found to be the optimal treatment choice for the management of KOA pain in the short-term, and EA the second best treatment option. Given that the application of TENS is recommended by various international guidelines for the treatment of KOA, EA may also represent a potentially effective non-pharmacologic therapy.

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)0,096
score de la tête « metaresearch » (Gemma)0,157
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,510

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0960,157
Méta-épidémiologie (sens strict)0,0050,003
Méta-épidémiologie (sens large)0,0200,059
Bibliométrie0,0130,006
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0040,003
Intégrité de la recherche0,0040,004
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 Opus0,070
Tête enseignante GPT0,358
Écart entre enseignants0,288 · 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'étudeMéta-analyse
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207