Clinical Study of Dokhwalkigisaengtanggagambang(DGG) and Gamisayuktanggagambang(GSG) for Improving Lumbago and Knee Joint Pain
Notice bibliographique
Résumé
Objective : This study was to evaluate the effectiveness of the prescription Dokhwalkigisaengtangagambang(DGG) and Gamisayuktanggagambang(GSG), which has been utilized in the treatment of joint disease, for improving low back and knee joint pain. Methods : In the patients for the clinical studies, control group was 28 cases, experimental group was 41 cases. All subjects had low back pain and knee pain. The experimental group was treated with DGG or GSG, the control group was treated with 17 prescriptions. VAS (Visual Analag Scale), WOMAC (Western Ontario and McMasters Universties Osteoarthritis Index) and ODI (Oswestry Low back pain Disability index) measured before and after the prescription administration. Results : In the difference of VAS score, the experimental group (p <0.001) and the control group (p <0.001) were decreased significantly before and after the administration of prescription, and in the comparisons between the experimental group and the control group, experimental group was decreased significantly compared to the control group(p = 0.008). In the WOMAC score, there was no significant difference between the experimental group and the control group. In the difference of ODI items score, lifting (p = 0.020) and sleeping (p = 0.028) index were decreased significantly before and after the administration of prescription. Conclusion : The results indicated that the prescription DGG and GSG can reduce knee pain and low back pain. This study will be helpful for improving joint disease.
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 | 0,007 | 0,002 |
| 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 | 0,001 |
| 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 ».