Evaluation of Perifacet Injections and Paraspinal muscle rehabilitation in Treatment of Low Back Pain. A Randomised Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Lumbar paraspinal muscle dysfunction and Low Back Pain are strongly correlated. The best treatment for non-specific Low Back Pain is still controversial. OBJECTIVE: To evaluate the efficacy of lumbar multifidus muscle retraining exercises and perifacet multifidus injections in the treatment of Low Back Pain. MATERIAL AND METHODS: 63 patients with non-specific LBP, with or without leg pain, and magnetic resonance images of paraspinal muscle degeneration only, were randomised to one of three treatment groups: A- Back education and standard physiotherapy for 10 weeks, B- Back education and gym ball exercise for 10 weeks or C- Perifacet injection into the lumbar multifidus muscle with methylprednisolone. The Oswestry Disability Index was used as the primary outcome measure and the SF-36, modified Zung depression index, modified somatic perception and McGill pain questionnaires were used as secondary outcome measures. RESULTS: 56 patients completed the trial. The Oswestry Disability Index improved in general from a mean of 29.9 to 25.9, but there were no statistically significant differences between the groups. Low back pain improved most in group C (P<0.02), while physical activities and social functioning were improved the most in group B (P<0.03). CONCLUSION: Perifacet injection and back education including a gym ball exercise program may be more effective than back education alone in relieving pain and improving physical capacity respectively. Back education including gym ball exercise could be used for non-specific Low Back Pain, as the ultimate goal should be to restore function.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».