Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Lavements en médecine chinoise pour la colite ulcéreuse : mécanismes et durée optimale issus d’une revue systématique et d’une méta-analyse

161 vues

⸱

DOI :

10.3791/69567

⸱

29 mai 2026

 ,  , 
1The Affiliated Hospital of Nanjing University of Chinese Medicine

Dans cet article

Résumé

Cette méta-analyse de 20 études animales (980 sujets) montre que les lavements de médecine chinoise composés améliorent significativement les indicateurs de colite ulcéreuse grâce à l’anti-inflammation, au renforcement de la barrière intestinale et à la modulation du microbiote intestin. Durée optimale : 10 à 28 jours. Malgré des résultats prometteurs, une forte hétérogénéité et une faible qualité des études incitent à la prudence ; des essais de haute qualité sont nécessaires pour la validation.

Résumé

Cette revue systématique et cette méta-analyse visaient à élucider les mécanismes sous-jacents à l’efficacité des formulations d’lavements en médecine chinoise dans des modèles animaux de colite ulcéreuse (CU) et à fournir une base scientifique pour leur application clinique potentielle. Des recherches approfondies sur PubMed, Web of Science, Cochrane Library, Elton B. Stephens Company (EBSCO) et ScienceDirect ont identifié des études animales pertinentes publiées jusqu’en décembre 2024. La qualité méthodologique a été évaluée à l’aide de l’outil SYRCLE risk of bias, et des analyses statistiques ont été réalisées avec RevMan 5.3 et Stata 15.

Vingt études comprenant 980 animaux ont été incluses, avec des scores de qualité allant de 2 à 6. Les lavements de médecine chinoise ont significativement réduit le score histologique de colite, l’indice d’activité de la maladie, l’indice de rate, le score de lésions du côlon et les médiateurs inflammatoires tels que IL-6, TNF-α, IL-1β, IL-8, ARNm COX-2 et myélooperoxydase. Ils ont également amélioré la variation de poids corporel, la longueur du côlon, les protéines de jonction étroite intestinale (ZO-1, Occludin), l’expression d’IL-10 et les niveaux régulateurs des lymphocytes T (CD4⁺CD25⁺FOXP3⁺), tout en modulant la composition du microbiote intestinal, en particulier Firmicutes et Bacteroides.

Ces résultats suggèrent que les bénéfices thérapeutiques des lavements de médecine chinoise pourraient provenir d’une activité anti-inflammatoire, d’un renforcement de l’intégrité de la barrière intestinale et de la régulation de la flore intestinale. Cependant, une hétérogénéité substantielle — probablement due aux différences d’espèces animales, de sexe et de durée d’intervention — ainsi qu’une qualité méthodologique généralement faible limitent la solidité des preuves. D’autres études précliniques et cliniques de haute qualité, bien conçues, sont nécessaires pour confirmer l’efficacité, optimiser les protocoles de traitement et évaluer la sécurité pour une application humaine.

Introduction

La maladie inflammatoire de l’intestin (MII) se compose de deux types principaux : la colite ulcéreuse (CU) et la maladie de Crohn (MC). Les recherches indiquent que la génétique, les facteurs environnementaux, les interactions microbiennes et la dysrégulation immunitaire sont impliqués dans la pathogenèse de laMII 1. Les preuves émergentes suggèrent une incidence croissante de la MII dans les pays endéveloppement 2. La CU se caractérise par des épisodes récurrents de douleurs abdominales, de diarrhée et de saignementsrectaux 3. L’amélioration des symptômes cliniques et la réduction des récidives chez les patients atteints de CU sont des objectifs cruciaux dans la prise en charge clinique4.

Les thérapies conventionnelles contre la MII, incluant les corticostéroïdes, les immunosuppresseurs et les biologiques, visent à contrôler les réponses immunitaires ; cependant, une utilisation prolongée est associée à des effets indésirables importants5. De nombreuses nouvelles options thérapeutiques ont émergé ces dernières années. Des études suggèrent que les traitements topiques sont efficaces, sûrs et ont moins d’effets secondaires. Leurs avantages incluent une réponse plus rapide, une fréquence de dosage réduite et une absorption systémique limitée par rapport aux traitements oraux. Néanmoins, le nombre de patients recevant des traitements topiques reste inférieur à celui de ceux recevant des thérapiesorales 6.

La médecine traditionnelle chinoise (MTC) est largement utilisée comme traitement complémentaire et alternatif efficace pour la MIC, en particulier chez les patients ayant rencontré des réactions indésirables aux thérapies conventionnelles. Malgré son potentiel thérapeutique important, l’application clinique de la MTC est limitée par un manque de recherches sur ses mécanismesd’action 7.

Bien que de nombreuses études animales aient rapporté les effets thérapeutiques des lavements de médecine chinoise composés sur la CU, aucune méta-analyse, devenue un outil essentiel en médecine fondée sur des preuves pour établir l’efficacité et la sécurité desinterventions, n’a encore synthétisé des preuves de son efficacité thérapeutique issues d’études précliniques. Par conséquent, cette étude a systématiquement examiné des expériences animales afin d’évaluer l’efficacité thérapeutique des lavements composés de la médecine chinoise. L’accent était mis sur les effets des lavements composés de médecine chinoise sur le HCS, DAI, IL-6, TNF-α et la flore intestinale dans des modèles animaux de l’UC, visant à orienter les futurs essais cliniques et le développement de produits. Cette étude vise à fournir un soutien solide fondé sur des preuves pour l’application clinique des lavements composés de la médecine chinoise.

Cette méta-analyse se concentre sur des modèles de rongeurs (principalement des rats de Sprague-Dawley et des souris C57BL/6) induits par le sulfate de sodium dextrose ou la solution d’acide 2,4,6-trinitrobenzènsulfonique, avec des interventions de 3 à 28 jours, en évaluant des domaines clés tels que les scores histologiques (score histologique/indice d’activité de la maladie), les cytokines inflammatoires (IL-6/TNF-α), les protéines barrières (ZO-1/Occludin) et le microbiote intestinal. Tout en fournissant des perspectives mécanistes pour les applications des lavements de la MTC, des limites telles que l’hétérogénéité des études et la faible qualité méthodologique (scores SYRCLE 2–6) sont abordées dans la discussion afin de guider une traduction clinique prudente. Un glossaire détaillé des abréviations utilisées dans cet article est fourni dans le Fichier Supplémentaire 1 (Données 1).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Toutes les études animales incluses respectaient les directives ARRIVE et avaient été approuvées par leurs comités d’éthique institutionnels respectifs. Aveuglement et randomisation réalisés conformément aux directives SYRCLE. L’examen a respecté les normes de déclaration PRISMA (ID : CRD42024527636). Toutes les procédures ont été réalisées sous une autorisation éthique afin de minimiser les biais et les préjudices aux animaux.

1. Installation et préparation de logiciels

  1. Installer RevMan (version 5.3, Collaboration Cochrane, https://revman.cochrane.org).
    1. Accédez au site officiel de RevMan (voir le tableau des matériaux).
    2. Téléchargez le fichier d’installation compatible avec le système d’exploitation (Windows .exe ou Mac .pkg).
    3. Double-cliquez sur l’installateur et suivez les instructions : Suivant > sélectionnez le chemin d’installation > Suivant > Terminer.
    4. Lancez RevMan et sélectionnez Fichier > Nouvelle Revue > Revue d’intervention > Revue complète.
  2. Logiciel Stata
    1. Rendez-vous sur le site officiel de Stata (voir Tableau des matériaux) et allez à la page de téléchargement.
    2. Téléchargez le package d’installation compatible avec votre système d’exploitation.
    3. Double-cliquez sur l’installateur et suivez les instructions : Ensuite , > accepter la licence > choisissez la voie d’installation > Installer > Finir.
    4. Lance Stata et saisit le numéro de série, le code et l’autorisation pour activer la licence.
  3. Logiciel de gestion de références EndNote X9
    1. Visitez le site officiel d’EndNote (voir le tableau des documents).
    2. Téléchargez l’installateur EndNote X9 pour votre système d’exploitation.
    3. Double-cliquez sur l’installateur, acceptez la licence > sélectionnez Installation typique > choisissez le chemin d’installation > Installer > Finir.
    4. Lancez EndNote et activez avec votre clé produit ou vos identifiants institutionnels.
  4. Numériseur de graphes GetData
    1. Visitez le site officiel du numérisateur GetData Graph (voir le tableau des matériaux).
    2. Téléchargez l’installateur.
    3. Double-cliquez sur l’installateur, acceptez la licence > choisissez le chemin d’installation > Installer > Finir.
    4. Lancez le logiciel pour extraire des données numériques à partir de chiffres lorsque les données brutes ne sont pas disponibles.
      1. Importez l’image de la figure dans le logiciel.
      2. Calibrez les axes X et Y en utilisant l’échelle fournie dans la figure.
      3. Marquez manuellement chaque point de données pour obtenir ses valeurs de coordonnées.
      4. Exportez les données numériques extraites.
      5. Valider les données extraites par deux chercheurs indépendants ; Les écarts supérieurs à 5 % ont été vérifiés et corrigés.
        REMARQUE : L’installation et l’activation de tous les logiciels doivent être effectuées avant l’étape de traitement de la littérature afin d’assurer un flux de travail fluide.

2. Recherche littéraire

  1. Élaborez la stratégie de récupération.
    1. Déterminez les termes de recherche en examinant d’abord les objectifs et les principaux résultats de l’étude. Identifier les concepts fondamentaux liés à la colite ulcéreuse, aux lavements de médecine chinoise et aux modèles animaux.
      1. Pour la colite ulcéreuse, utilisez des termes tels que « colite ulcéreuse », « MII » et « maladie inflammatoire de l’intestin ».
      2. Pour les lavements de médecine chinoise, incluez des mots-clés tels que « lavement de médecine chinoise », « lavement de médecine traditionnelle », « lavement sur ordonnance composé » et des synonymes associés.
      3. Pour les modèles animaux, utilisez des termes comme « rat », « souris », « rongeur » et « étude animale ». Combinez ces termes à l’aide d’opérateurs booléens (AND, OR). Par exemple, combinez « colite ulcéreuse » ET « lavement de médecine chinoise » ET « modèle animal » pour capturer des études répondant à tous les critères. Ajustez les termes de recherche selon la base de données utilisée, en utilisant le vocabulaire contrôlé de chaque base de données.
      4. Affinez la recherche en incluant des synonymes ou des expressions alternatives pour augmenter la sensibilité de la recherche.
    2. Pour la stratégie de récupération détaillée de chaque base de données, voir le Fichier Supplémentaire 1 (Données 2).
  2. Effectuez une recherche littéraire sur cinq bases de données : PubMed, Web of Science, Cochrane Library, EBSCO et ScienceDirect.
    1. Pour chaque base de données, consultez le site officiel (par exemple, https://pubmed.ncbi.nlm.nih.gov pour PubMed). Dans l’interface de recherche, saisissez la stratégie de recherche prédéfinie dans le champ Recherche Avancée . Pour PubMed, cliquez sur Advanced > Add Query Builder, puis remplissez les barres de recherche comme suit :
      Champ 1 : « colite ulcéreuse » [Titre/Résumé]
      Champ 2 : « lavement de médecine chinoise » OU « lavement de médecine traditionnelle chinoise » [Titre/Résumé]
      Champ 3 : « expérience animale » OU « rat » OU « souris » [Tous les champs]
    2. Combinez ces champs avec l’opérateur booléen ET pour garantir que toutes les conditions sont remplies. Fixez la limite de temps depuis la création de la base de données jusqu’au 1er décembre 2024, et restreignez la langue à l’anglais. Cliquez sur Rechercher, puis utilisez Filtres > Type d’article > Études précliniques lorsque cela est pertinent.
    3. Exportez tous les enregistrements récupérés en sélectionnant Envoyer vers > Fichier > Format : MEDLINE (pour PubMed) ou Exporter > RIS/BibTeX (pour d’autres bases de données). Sauvegardez les fichiers pour importer dans EndNote X9 afin de filtrer davantage et de supprimer les doublons.
      REMARQUE : Deux évaluateurs indépendants ont effectué la recherche selon des critères identiques, et les divergences ont été résolues par consensus (voir Tableau des matériaux). Prenons PubMed comme exemple :
      1. Ouvrez le site de la base de données PubMed.
      2. Entrez la stratégie de récupération prédéfinie selon les règles de syntaxe PubMed (voir Données 2 dans le Fichier Supplémentaire 1 pour tous les détails).

        REMARQUE : L’opérateur AND exige que tous les mots-clés liés soient présents dans l’enregistrement. L’opérateur OR signifie qu’au moins un des mots-clés listés doit être présent. Les parenthèses () définissent l’ordre des opérations logiques. Fixez la limite de temps de recherche depuis la création de la base de données jusqu’au 1er décembre 2024.
      3. Téléchargez toute la documentation récupérée : Enregistrer > fichier PubMed > Créer.

3. Sélection de la littérature

REMARQUE : Prenons comme exemple les données récupérées par PubMed, gérées via EndNote X9.

  1. Importez la documentation récupérée dans Fin Note : Fichier > Importation > Options > Options d’importation > sélectionnez PubMed (NLM) > Importation (Données 2 dans le Fichier Supplémentaire 1).
  2. Créer des groupes d’inclusion et d’exclusion dans EndNote : Mes groupes > Créer un ensemble de groupes ou Créer un groupe (Données 4 dans le Fichier Supplémentaire 1).
    Les groupes d’exclusion peuvent inclure :
    Intervention inappropriée (pas lavement de médecine chinoise)
    Sujets inappropriés (modèles non UC, ou études cliniques/in vitro)
    Publications en double
    Langue autre que l’anglais
  3. Supprimer les doublons : Aller dans Toutes les références > références > trouver les doublons > annuler. Sélectionnez toutes les entrées en double dans la liste des résultats, glisez-les dans le dossier Corbeille de gauche pour suppression. Après la suppression automatique des doublons, vérifiez manuellement à nouveau pour s’assurer qu’aucun doublon ne subsiste (Données 5 dans le fichier supplémentaire 1).
  4. Processus de sélection : Lors du premier tour, lisez les titres et résumés pour exclure les études ne répondant pas aux critères d’inclusion. Lors de la deuxième étape, examinez les textes complets des études restantes pour confirmer leur éligibilité finale.
  5. Recherche manuelle et contact avec l’auteur : Effectuer la recherche manuelle des références citées dans les études incluses. Contactez les auteurs correspondants par email lorsque des données pertinentes manquent ou manquent à des flous, afin d’augmenter le taux d’inclusion et de réduire l’incertitude.
  6. Implication des chercheurs : Effectuer une recherche et un filtrage de la littérature avec deux chercheurs indépendants. Résoudre les désaccords par la discussion. Si cela n’est pas résolu, consultez un troisième chercheur pour la décision finale.
  7. Documenter le processus : Utilisez Microsoft Word ou un logiciel pertinent pour créer un diagramme de flux PRISMA 2020 documentant le nombre d’études récupérées et exclues à chaque étape, ainsi que les raisons d’exclusion (voir Fichier supplémentaire 2).

4. Extraction des données

  1. Préparez un tableau qui inclut les variables suivantes :
    Informations d’étude : Auteur, année de publication.
    Détails sur les animaux : Espèce, souche, sexe, fourchette de poids et taille de l’échantillon.
    Méthode d’induction par modèle : Précisez si DSS, TNBS ou d’autres approches ont été utilisées.
    Détails de l’intervention : Dose ou concentration, fréquence d’administration et durée.
    Résultats mesurés : Incluez le score de colite histologique (HCS), l’indice d’activité de la maladie (DAI), la longueur du côlon (CL), la variation du poids corporel (BWC), l’indice de la rate, les cytokines inflammatoires, les protéines de barrière intestinale et la composition du microbiote, entre autres. Le format standardisé d’extraction des données est détaillé dans Data 6 dans le Fichier Supplémentaire 1.
  2. Pour les doses multiples d’intervention, extraire les données du groupe à dose la plus élevée en identifiant, au sein de chaque étude incluse, le sous-groupe expérimental ayant reçu la dose maximale du composé de l’lavement de médecine chinoise.
    1. Lorsque plusieurs niveaux de dosage ont été rapportés, enregistrez les données correspondant à la concentration ou à la dose la plus élevée, comme indiqué dans la section méthodes ou résultats de l’article original.
    2. Si l’unité ou la concentration était floue, vérifier la hiérarchie des doses à partir des descriptions ou tableaux des auteurs. Deux évaluateurs indépendants ont recoupé les données extraites, et toute incohérence a été résolue par discussion.
  3. Pour les résultats mesurés à plusieurs moments précis, enregistrez la mesure finale en identifiant, dans chaque étude incluse, le dernier moment auquel le résultat a été évalué après l’intervention.
    1. Lorsque plusieurs points temporels ont été rapportés, extraire les données de l’observation finale post-traitement pour refléter l’effet thérapeutique global.
    2. Si plusieurs points de terminaison étaient présentés dans des tableaux ou des figures, utilisez la valeur correspondant à la dernière période de mesure rapportée. Deux évaluateurs indépendants ont vérifié les points temporels extraits afin d’assurer la précision et la cohérence.
  4. Entrez la formule =SEM_value × SQRT (sample_size) dans une nouvelle cellule pour convertir l’erreur standard de la moyenne (SEM) en écart-type (DE). Copiez les valeurs SD résultantes dans la table de données RevMan. Vérifiez la précision en recalculant la conversion pour une étudereprésentative 9.
  5. Convertir les médianes et quartiles en moyennes et écarts écartés commerequis 10,11.
  6. Faire extraire les données par deux évaluateurs de manière indépendante ; Résoudre les éventuelles divergences par la discussion.
    REMARQUE : Les données issues des figures sont numérisées avec le GetData Graph Digitizer lorsque les valeurs brutes ne sont pas fournies.

5. Évaluation du risque de biais

  1. Utilisez l’outil12 de risque de biais SYRCLE pour évaluer la qualité des études dans dix domaines, incluant la randomisation, la dissimulation de l’allocation, l’aveuglement et le rapport des résultats.
  2. Évaluez chaque élément comme étant faible, élevé ou incertain, et résumez les résultats dans RevMan. Pour chaque domaine, revoir la section méthodes — attribuer faible si la randomisation est mentionnée, élevée si ce n’est pas le cas, flou si elle est vague. Scores de décompte (0–10) dans le tableau RevMan.

6. Analyse statistique

  1. Commencez la méta-analyse dans RevMan 5.3.
    1. Dans le menu principal, allez dans Données et analyses > Ajouter la comparaison.
    2. Entrez le nom du groupe expérimental (par exemple, « lavement ») et du groupe témoin (par exemple, « colite ulcéreuse ») > cliquez sur Terminer (Données 7 dans le Fichier Supplémentaire 1).
    3. Pour ajouter les indicateurs de résultats, sélectionnez Ajouter le résultat, sélectionnez le type de variable (Continue pour les variables continues ou Dichotomique pour les variables dichotomiques), cliquez sur Suivant, saisissez le nom de l’indicateur de résultat (par exemple, « Score histopathologique (HCS) », « Indice d’activité de la maladie (DAI) », « Longueur du côlon (CL) », « Variation du poids corporel (BWC) »), puis cliquez sur Terminer (Données 8 dans le Fichier Supplémentaire 1).
    4. Ajouter des données d’étude : Ajouter des données d’étude > sélectionner la référence dans la liste de littérature incluse > Terminer (Données 9 et Données 10 dans le Fichier Supplémentaire 1).
    5. Pour chaque résultat, saisissez manuellement les données extraites (moyenne, écart-type (SD) et taille d’échantillon pour chaque groupe) dans la table de données.
  2. Effectuer la sélection du modèle statistique.
    1. Pour des résultats continus, utilisez la différence moyenne (DM) lorsque l’unité de mesure est la même dans toutes les études incluses. Utilisez la différence moyenne standardisée (DMS) lorsque les unités de mesure diffèrent entre les études.
    2. Fixez des intervalles de confiance (IC) à 95 % pour toutes les estimations de la taille de l’effet. Sélectionnez le modèle statistique comme suit : utilisez un modèle à effet fixe (FE) si l’hétérogénéité est faible (I2 ≤ 50 %). Utilisez un modèle à effets aléatoires (RE) si l’hétérogénéité est élevée (I2 > 50 %).
      REMARQUE : Dans cette analyse, appliquez le modèle des effets aléatoires en raison des variations d’espèces, de modélisation et de protocoles.
  3. Générez des parcelles forestières.
    1. Dans RevMan, après avoir saisi toutes les données pertinentes, cliquez sur Modèle statistique (FE ou RE comme déterminé ci-dessus) > Forest Plot.
    2. Examinez le graphique pour les estimations de la taille d’effet, les statistiques d’hétérogénéité (test I2, χ2 ) et les valeurs P globales (voir Données 11 dans le Fichier Supplémentaire 1).
  4. Effectuez des analyses avancées et une évaluation des biais de publication dans Stata 15.0.
    1. Importez la taille agrégée de l’effet et l’erreur standard (ou variance) dans Stata.
    2. Pour le biais de publication, exécutez le test de régression d’Egger via la commande : metabias effect_size se_effect, egger
    3. Générez des graphiques d’entonnoir en utilisant : Metafunnel effect_size se_effect
    4. Pour les études potentiellement manquantes, appliquez la méthode trim-and-fill dans Stata 15.0 en entrant la commande : metatrim effect_size se_effect, egger Cette fonction estime le nombre d’études potentiellement manquantes causées par le biais de publication, remplit le graphique de l’entonnoir de façon symétrique et recalcule la taille de l’effet regroupée pour fournir une estimation ajustée.
    5. Pour la méta-régression ou les analyses de sous-groupes (si nécessaire) : metareg effect_size var1 var2
  5. Effectuer des analyses de sous-groupes et de sensibilité.
    1. Créez des sous-groupes dans RevMan 5.3 en sélectionnant Données et Analyses > Ajoutez une analyse de sous-groupe, puis définissez des catégories de sous-groupes selon Espèces animales (souris, rat), Sexe (mâle, femelle, inconnu) Durée du traitement (≤7 jours, >7 jours).
    2. Entrez les données d’étude correspondantes dans chaque sous-groupe pour comparer les tailles d’effets regroupées et évaluer la réduction de l’hétérogénéité. Pour l’analyse de sensibilité, relancez la méta-analyse, en excluant une étude à la fois.
  6. Effectuer une évaluation du biais de publication.
    1. Réalisez le test de régression d’Egger pour les ensembles de données avec ≥ 10 études.
    2. Appliquer la méthode Trim-and-fill pour estimer les études manquantes potentielles et ajuster les estimations regroupées.
  7. Effectuer une analyse durée-effet.
    1. Classifiez les études incluses en fonction de la durée de l’intervention (jours).
    2. Pour chaque résultat clé (HCS, DAI, CL, BWC, MPO, TNF-α, IL-6, etc.), tracez les graphiques radar de durée et de réponse.
    3. Identifier la fenêtre de traitement optimale pour les lavements de médecine chinoise dans des modèles animaux de CU.
      REMARQUE : Une fois toutes les analyses terminées, compilez les résultats en graphiques de forêt RevMan et en résultats Stata . Les données extraites ont été saisies dans RevMan 5.3 pour générer des parcelles forestières. Le logiciel a automatiquement calculé les tailles d’effets regroupées (MD/SMD) et les intervalles de confiance (IC à 95 %) sous des modèles à effets fixes ou aléatoires, produisant des graphiques forestiers visuels pour chaque résultat. Pour Stata, la taille de l’effet et l’erreur standard ont été importées. Des analyses de biais de publication et avancées ont été réalisées. Procéder à la déclaration des manuscrits conformément au PRISMA, en assurant la conformité éthique et les contrôles de biais. Cela conclut le protocole de méta-analyse pour l’évaluation de l’ulcéne ulcéreuse de lavement TCM.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Un total de 1 146 articles potentiellement pertinents ont été identifiés à partir de cinq bases de données, comprenant 65 de PubMed, 92 de Web of Science, 56 d’EBSCO, aucun de la bibliothèque Cochrane et 933 de Science Direct. Après la suppression de 91 documents en double, 1 055 articles subsistaient.

Par la suite, les textes complets de ces articles ont été examinés, ce qui a entraîné l’exclusion de 1 035 articles selon les critères d’exclusion prédéfinis. A...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Cette étude visait à étudier les effets protecteurs et les mécanismes sous-jacents des lavements composés de la médecine chinoise dans des modèles animaux de colite ulcéreuse. Un total de 20 articles impliquant 980 animaux ont été inclus. Le lavement composé de médecine chinoise a montré qu’il améliorait plusieurs symptômes cliniques de la colite ulcéreuse, notamment la longueur du côlon, l’indice d’activité de la maladie, le score histologique de colite, le changement de poids corporel,...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Tous les auteurs déclarent qu’ils n’ont aucun conflit d’intérêts lié à cette œuvre.

Remerciements

Ce travail a été soutenu par la Fondation nationale des sciences naturelles de Chine (Subvention n° 82341229, Subvention n° 82174379, Subvention n° 82174372 et Subvention n° 82405401), la Fondation de Traitement des Maladies Dominantes (Renforcement des Compétences Cliniques Fondées sur les Preuves) (n° : k2023BZ02), le projet financé par le Développement du Programme Académique Prioritaire des Établissements d’Enseignement Supérieur du Jiangsu (PAPD), Projet d’amélioration des capacités de la province du Jiangsu via la science, Technologie et Éducation, le Projet de Recherche Scientifique de l’Association de Médecine Chinoise du Jiangsu (n° : PDJH2026013), et le projet de développement des talents académiques de haut niveau de l’Hôpital de Médecine Chinoise de la province du Jiangsu (n° : k2026yrc71).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Bibliothèque CochraneBibliothèque Cochranehttps://www.cochranelibrary.com/
EBSCOEBSCO Industrieshttps://www.ebsco.com/
Note de fin X9Cochrane  ;https://support.clarivate.com/Endnote/s/
GetDataNumériseur GetData Graphhttps://getdata-graph-digitizer.com/
PROSPEROInstitut national de recherche en santé et en soinshttps://www.crd.york.ac.uk/PROSPERO/
PubMedBibliothèque nationale de médecinehttps://pubmed.ncbi.nlm.nih.gov/
RevManCochrane  ;https://revman.cochrane.org/
ScienceDirectElsevierhttps://www.sciencedirect.com/
STATAStataCorphttps://www.stata.com/
Web of ScienceClarivate Analyticshttps://www.webofscience.com/

Références

  1. Gecse, K. B., Vermeire, S. Differential diagnosis of inflammatory bowel disease: imitations and complications. Lancet Gastroenterol Hepatol. 3 (9), 644-653 (2018).
  2. Zhou, J. L., et al. Trends and projections of inflammatory bowel disease at the global, regional and national levels, 1990–2050: a bayesian age-period-cohort modeling study. BMC Public Health. 23 (1), 2507(2023).
  3. Siegel, C. A. Explaining risks of inflammatory bowel disease therapy to patients. Aliment Pharmacol Ther. 33 (1), 23-32 (2010).
  4. Christophi, G., Rengarajan, A., Ciorba, M. Rectal budesonide and mesalamine formulations in active ulcerative proctosigmoiditis: efficacy, tolerance, and treatment approach. Clin Exp Gastroenterol. 9, 283-289 (2016).
  5. Weizman, A. V., et al. Characterisation of complementary and alternative medicine use and its impact on medication adherence in inflammatory bowel disease. Aliment Pharmacol Ther. 35 (3), 342-349 (2011).
  6. Berlin, J. A., Golub, R. M. Meta-analysis as evidence: building a better pyramid. JAMA. 311 (6), 603-605 (2014).
  7. Page, M. J., et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. Syst Rev. 10 (1), 89(2021).
  8. Zhang, X. M., Zhang, Y. B., Chi, M. H. Soy protein supplementation reduces clinical indices in type 2 diabetes and metabolic syndrome. Yonsei Med J. 57 (3), 681-689 (2016).
  9. Luo, D., et al. Optimally estimating the sample mean from the sample size, median, mid-range, and/or mid-quartile range. Stat Methods Med Res. 27 (6), 1785-1805 (2018).
  10. Wan, X., et al. Estimating the sample mean and standard deviation from the sample size, median, range and/or interquartile range. BMC Med Res Methodol. 14 (1), 135(2014).
  11. Hooijmans, C. R., et al. Meta-analyses of animal studies: an introduction of a valuable instrument to further improve healthcare. ILAR J. 55 (3), 418-426 (2014).
  12. Cao, Y. B., et al. Effects of Changtai granules, a traditional compound Chinese medicine, on chronic trinitrobenzene sulfonic acid-induced colitis in rats. World J Gastroenterol. 11 (23), 3539-3543 (2005).
  13. Che, Y. H., et al. Effects of the traditional Chinese medicine formula Ento-PB in experimental models of ulcerative colitis. Nat Prod Commun. 17 (3), 1-10 (2022).
  14. Cheng, X., et al. Huangkui Lianchang decoction attenuates experimental colitis by inhibiting the NF-κB pathway and autophagy. Front Pharmacol. 13, 951558(2022).
  15. Cui, Y., et al. Integrated network pharmacology, molecular docking and animal experiment to explore the efficacy and potential mechanism of Baiyu decoction against ulcerative colitis by enema. Drug Des Devel Ther. 17, 3453-3472 (2023).
  16. Dong, L., et al. Anemone chinensis Bunge aqueous enema alleviates dextran sulfate sodium-induced colitis via inhibition of inflammation and regulation of the colonic mucosal microbiota. J Ethnopharmacol. 288, 115010(2022).
  17. Guo, S. M., et al. Effect of traditional Chinese medicinal enemas on ulcerative colitis of rats. World J Gastroenterol. 10 (13), 1914-1917 (2004).
  18. Han, Z., et al. Systems pharmacology and transcriptomics reveal the mechanisms of Sanhuang decoction enema in ulcerative colitis with additional Candida albicans infection. Chin Med. 16 (1), 1-16 (2021).
  19. Han, Z., et al. Integrative transcriptomic and metabonomic profiling analyses reveal the molecular mechanism of Huankuile suspension on TNBS-induced ulcerative colitis. Aging (Albany NY). 13 (4), 5087-5103 (2021).
  20. Jing, C., et al. Efficacy of Qifu Lizhong enema prescription on intestinal mucosal tight-junction modulation in a rat model of ulcerative colitis. J Tradit Chin Med. 43 (2), 303-311 (2023).
  21. Lin, J. C., et al. QingBai decoction regulates intestinal permeability in DSS-induced colitis through modulation of Notch and NF-κB signalling. Cell Prolif. 52 (2), e12547(2019).
  22. Liu, B., et al. Exploration of mechanisms underlying Yu’s enema formula in treating ulcerative colitis by blocking the RhoA/ROCK pathway. Curr Pharm Des. 30 (2), 115-124 (2024).
  23. Liu, D. Y., et al. Pharmacological effects of Ba-Wei-Xi-Lei powder on ulcerative colitis in rats with enema application. Am J Chin Med. 34 (3), 461-469 (2006).
  24. Shi, L., et al. Effect of Yang-activating and stasis-eliminating decoction on intestinal mucosal permeability in DSS-induced ulcerative colitis rats. J Tradit Chin Med. 37 (4), 452-460 (2017).
  25. Tan, Y. Y., et al. Ding’s herbal enema treats DSS-induced colitis in mice by regulating the gut microbiota and maintaining Treg/Th17 balance. Exp Ther Med. 22 (6), 1368(2021).
  26. Wang, S., et al. Effects of modified Sanhuang decoction enema on TNF-α and colonic IL-1β, IL-6 in ulcerative colitis rats. Chin J Integr Med. 20 (11), 865-869 (2014).
  27. Wen, J., et al. Mechanism of Bawei Xileisan in DSS-induced ulcerative colitis in mice. J Ethnopharmacol. 188, 31-38 (2016).
  28. Yongbiao, H., et al. Xilei San ameliorates experimental colitis in rats by degrading pro-inflammatory mediators and promoting mucosal repair. Evid Based Complement Alternat Med. 2014, 1-10 (2014).
  29. Yu, W., et al. Systems pharmacology approach to determine active compounds and mechanisms of Xipayi KuiJie’an enema in ulcerative colitis. Sci Rep. 7 (1), 1189(2017).
  30. Yu, W., et al. Three types of gut bacteria collaborate to improve Kui Jie’an enema treatment in DSS-induced colitis mice. Biomed Pharmacother. 113, 108751(2019).
  31. Yun, H. F., et al. Pingkui enema alleviates TNBS-induced ulcerative colitis by regulating inflammatory factors, Bifidobacterium, and intestinal barrier. Evid Based Complement Alternat Med. 2020, 3896948(2020).
  32. Han, Y., et al. Qing Hua Chang Yin alleviates chronic colitis in mice by protecting intestinal barrier and improving colonic microflora. Front Pharmacol. 14, 1170345(2023).
  33. Zhu, M. Z., et al. Edible exosome-like nanoparticles from Portulaca oleracea L mitigate DSS-induced colitis via expansion of double-positive CD4⁺CD8⁺ T cells. J Nanobiotechnol. 21 (1), 120(2023).
  34. Ramos, G. P., Papadakis, K. A. Mechanisms of disease: inflammatory bowel diseases. Mayo Clin Proc. 94 (1), 155-165 (2019).
  35. Le Loupp, A. G., et al. Activation of the prostaglandin D₂ metabolic pathway in Crohn’s disease: involvement of the enteric nervous system. BMC Gastroenterol. 15 (1), 123(2015).
  36. Sartor, R. B. Pathogenesis of Crohn’s disease and ulcerative colitis. Nat Clin Pract Gastroenterol Hepatol. 3 (7), 390-407 (2006).
  37. Keshavarzian, A., et al. Increased interleukin-8 in rectal dialysate from ulcerative colitis patients: evidence for a biological role in colonic inflammation. Am J Gastroenterol. 94 (3), 704-712 (1999).
  38. Piechota-Polanczyk, A., Fichna, J. Role of oxidative stress in pathogenesis and treatment of inflammatory bowel diseases. Naunyn Schmiedebergs Arch Pharmacol. 387 (7), 605-620 (2014).
  39. Li, M., et al. Beneficial effects of celastrol on immune balance by modulating gut microbiota in experimental ulcerative colitis mice. Genomics Proteomics Bioinformatics. 20 (2), 288-303 (2022).
  40. Peng, K., et al. Kuijie decoction ameliorates ulcerative colitis by affecting intestinal barrier, gut microbiota, metabolic pathways and Treg/Th17 balance. J Ethnopharmacol. 319, 116936(2024).
  41. Atreya, I., Atreya, R., Neurath, M. F. NF-κB in inflammatory bowel disease. J Intern Med. 263 (6), 591-596 (2008).
  42. Ahmed, S., Xu, R. Nuclear factor-κB in inflammatory bowel disease and colorectal cancer. Am J Dig Dis. 1 (2), 84-96 (2014).
  43. Ungaro, R., et al. Ulcerative colitis. Lancet. 389 (10080), 1756-1770 (2017).
  44. Shen, Y., et al. Protective effects of Lizhong decoction on ulcerative colitis in mice by suppressing inflammation and ameliorating gut barrier. J Ethnopharmacol. 259, 112879(2020).
  45. Bozkurt, H. S., Bilgin, K. A new treatment for ulcerative colitis: intracolonic Bifidobacterium and xyloglucan application. Eur J Inflamm. 18, 1-8 (2020).
  46. Zhou, Y., et al. Gut microbiota offers universal biomarkers across ethnicity in inflammatory bowel disease diagnosis and infliximab response prediction. mSystems. 3 (1), e00188-17(2018).
  47. Ru, X., et al. Effect of Chinese herbal enema prescription on renal function, enterogenous uremic toxins and intestinal barrier in CKD stage 3–5 predialysis participants: a randomized controlled trial. Medicine (Baltimore). 104 (32), e43791(2025).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Étiquettes

Modèles animauxbarrière intestinalemédiateurs inflammatoiresmicrobiote intestinalindice d'activité de la maladielymphocytes T régulateurs
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.