Is surface EMG biofeedback an effective training method for persons with neck and shoulder complaints after whiplash-associated disorders concerning activities of daily living and pain — a randomized controlled trial
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of surface electromyographic (EMG) biofeedback training as a supplement to an interdisciplinary rehabilitation programme regarding consequences for activities of daily living and pain. DESIGN: A randomized controlled unblinded trial. SETTINGS: The study was carried out in a pain unit at a rehabilitation centre. SUBJECTS: Sixty-five people with chronic whiplash-associated disorders consecutively referred to the pain unit agreed to participate in the study. Participants were randomly assigned to either the treatment or control group. INTERVENTION: All participants received interdisciplinary rehabilitation and the treatment group also had four weeks of surface EMG biofeedback training. MAIN MEASURES: The Canadian Occupational Performance Measure was used at admission discharge and at six-month follow-up to register changes in activities of daily living. The Multidimensional Pain Inventory, Swedish version, was used at admission and at six-month follow-up to capture the multidimensional aspects of pain. RESULTS: Sixty-two people completed the study. Both treatment and control groups improved significantly according to the Canadian Occupational Performance Measure at discharge and the results remained after six months (P<0.001). The subscale 'Interference' on the Multidimensional Pain Inventory was significantly decreased at six months for the treatment group (P<0.001). No differences were found between the two groups for activities of daily living (performance P = 0.586; satisfaction P = 0.988) at follow-up or for pain level (P = 0.914), indicating no additional effect of the surface EMG biofeedback training. CONCLUSION: In this study there was no support for the effectiveness of surface EMG biofeedback training as a supplement to an interdisciplinary rehabilitation programme for people with long-lasting pain after whiplash.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».