체감각 감각에 대한 위약 및 노시보 연구의 학습 메커니즘: 체계적 검토 및 메타 분석.

연구 질문은 다음과 같습니다.

1. 포함된 연구에서 통증과 가려움증에 대한 위약 또는 노시보 효과의 평균 크기는 얼마입니까?
2. 통증에 대한 위약 및 노시보 효과에 대한 여러 학습 프로세스를 테스트한 연구에서 통증에 대한 위약 또는 노시보 효과의 크기는 효과를 유도하는 데 사용되는 학습 프로세스에 따라 다른가요?
3. 플라시보 또는 노시보 효과의 크기는 통증과 가려움의 감각 사이에서 다릅니까?
4. 통증과 가려움증에 대한 노시보 효과는 통증과 가려움증에 대한 위약 효과보다 상대적인 크기로 측정했을 때 더 강합니까?

검색 결과에 따라 1번과 2번 질문은 메타 분석으로, 3번 질문과 4번 질문은 체계적 검토로 답하고자 합니다.

검색 전략:

PubMed, PsycINFO, EMBASE 및 Cochrane CENTRAL 방법론 라이브러리가 검색됩니다. 언어는 영어, 네덜란드어 및 독일어로 제한됩니다. 게재기간은 제한이 없습니다. 검색은 2019년 3월 18일에 처음 수행되었습니다. 자세한 키워드 검색 전략은 이 검토가 완료될 때까지 공개되지 않습니다.

연구 중인 조건 또는 영역:

체감각(즉, 통증 및/또는 가려움증)에 대한 플라시보 또는 노시보 효과의 실험적 유도. 포함 및 배제의 목적을 위해, 불활성 치료의 (가정된) 투여가 긍정적 또는 부정적인 결과-효과를 유도하려는 주어진 학습 과정 시도와 쌍을 이루는 경우 연구는 위약 또는 노시보 효과를 유도한 것으로 간주됩니다.

참가자/인구:

건강한 성인 인간 지원자. 결과의 동질성을 개선하기 위해 환자 샘플은 포함되지 않습니다.

데이터 추출:

검색 전략을 사용하여 검색된 논문의 제목과 초록 및 추가 출처의 논문은 두 명의 독립적인 검토자가 선별하여 위에서 설명한 포함 기준을 잠재적으로 충족하는 연구를 식별합니다. 이러한 논문의 전체 텍스트와 제목 및/또는 초록에 근거하여 의심이 가는 논문은 두 명의 독립적인 검토자가 검색하여 적격성 여부를 평가합니다. 포함할 가능성이 있는 것으로 간주되거나 의심이 가는 전문은 제3의 검토자가 적격성 여부를 평가합니다. 두 명의 독립적인 검토자가 표준화된 형식을 사용하여 포함된 연구에서 데이터를 추출하여 연구 특성을 도출하고 연구 품질을 평가하며 데이터 분석을 할 것입니다. 추출된 정보에는 개입, 통제 조건, 연구 모집단, 감각 유형 및 감각 측정 방법(예: 자기 보고), 실험 유도 유형(즉, 사용된 학습 방법), 기대 유형(즉, 위약 또는 노시보), 품질 평가를 위한 정보 및 메타 분석을 위한 결과 데이터(예: 표본 크기, 평균 및 표준) 편차). 데이터 추출에 대한 의문은 두 번째 검토 저자와 논의를 통해 해결될 것입니다. 누락된 데이터는 연구 저자에게 요청됩니다.

편향 평가 위험:

비뚤림 위험은 2013년 Marcuzzi와 동료들이 정량적 감각 테스트 연구를 위해 특별히 개발한 방법을 사용하여 평가됩니다. 이 방법은 1) 샘플이 명확하게 설명되었는지 여부, 2) 샘플이 모집단을 대표하는지 여부, 3) 체감각 평가 방법이 표준화되고 검증되었으며 잘 설명되었는지 여부, 4) 관련이 있는 경우 적절한 눈가림, 5) 여부를 평가합니다. 잠재적 교란자가 고려되었습니다.

데이터 합성 전략:

집계 데이터를 사용하여 데이터의 정량적 합성이 계획됩니다. (표준화) 평균 차이(95% 신뢰 구간 포함)는 충분한 데이터를 사용할 수 있는 포함된 모든 연구에 대해 계산됩니다. 대상 디자인 사이와 내부가 모두 포함됩니다. 민감도 분석은 디자인 유형의 차이를 테스트하기 위해 수행됩니다. 유의미한 차이가 감지되면 디자인 유형이 중재 변수로 분석에 포함됩니다. 그 후, 각 실험 유도에 대한 풀링된 효과는 임의 효과 모델을 사용하여 분석됩니다. 실험적 유도의 효과는 위약과 노시보 효과 사이에서도 비교될 것입니다. 충분한 데이터를 사용할 수 있는 경우 실험 유도의 효과를 서로 다른 체성 감각 간에 비교합니다(아래 참조). 통계적 풀링이 불가능한 경우 체계적 검토 결과는 설명 형식으로 제시됩니다. 이질성은 I2 통계, 숲 플롯의 육안 검사 및 하위 집합 분석(아래 참조)으로 평가됩니다. 출판 편향의 존재도 평가됩니다(예: 퍼널 플롯 검사를 통해).