Efficacy and Safety of Intra-Articular Cell-Based Therapy for Osteoarthritis: Systematic Review and Network Meta-Analysis
Notice bibliographique
Résumé
ObjectiveOsteoarthritis (OA) is a chronic joint disease characterized by degeneration of articular cartilage and secondary osteogenesis. Cell-based agents, such as mesenchymal stem cells, have turned into the most extensively explored new therapeutic agents for OA. However, evidence-based research is still lacking.MethodsWe searched public databases up to February 2020 and only included randomized controlled trials. The outcomes included the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC), the Knee Injury and Osteoarthritis Outcome Score (KOOS), the visual analogue scale (VAS) score, and serious adverse events (SAEs). A network meta-analysis was also performed in this work.ResultsWe included 13 studies in the meta-analysis. The effect size showed that cell-based therapy did not significantly reduce the WOMAC score at the 6-month follow-up (standard mean difference [SMD] −3.6; 95% confidence interval [CI] −0.90 to 0.18; <i>P</i> = 0.1928). However, cell-based therapy significantly improved the KOOS at the 12-month follow-up (SMD 0.68; 95% CI 0.07-1.30; <i>P</i> = 0.0288) and relieved pain (SMD −1.05; 95% CI −1.46 to −0.64; <i>P</i> < 0.0001). The findings also indicated that high-dosage adipose-derived mesenchymal stem cells (ADMSCs) may be more advantageous in terms of long-term effects.ConclusionsCell-based therapy had a better effect on KOOS improvement and pain relief without safety concerns. However, cell-based therapy did not show a benefit in terms of the WOMAC. Allogeneic cells might have advantages compared to controls in the WOMAC and KOOS scores. The long-term effect of high-dose ADMSC treatment for OA is worthy of further study.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».