Comparison of the Effect of Dry Cupping Therapy and Acupressure at BL23 Point on Intensity of Postpartum Perineal Pain Based on the Short Form of McGill Pain Questionnaire.
Notice bibliographique
Résumé
BACKGROUND: Perineal pain is a major morbidity in the first few days after delivery. This study aimed to investigate the effect of dry cupping therapy and acupressure at BL23 point on the intensity of postpartum perineal pain based on the short-form of McGill pain questionnaire (SMPQ). METHODS: The present clinical trial was conducted on 150 subjects in 3 groups of 50 cases. After at least 4-8 hr of delivery, cupping therapy was performed for 15-20 min up to 3 times a week (once a day) and acupressure was performed for 15-20 min based on clockwise model. The short-form of McGill pain questionnaire was completed both before and after the intervention. The SPSS statistical software was used to analyze the data using repeated measures ANOVA. Besides, p<0.05 was considered statistically significant. RESULTS: In the cupping therapy group, mean of the perineal pain intensity reduced from 37.5±6.8 before the intervention to 11.1±6.1, 6.9±4.7, and 3.8±3.6 immediately, 24 hr, and 2 weeks after the intervention, respectively. The results of study showed that the differences between the intervention and control groups were statistically significant (p<0.01). Mean difference of the perineal pain intensity in the acupressure group reached from 35.6±8.1 before the intervention to 10.4±5.5 two weeks after the intervention, so the variation between intervention and control groups was statistically significant. CONCLUSION: The study findings showed that cupping therapy and acupressure reduced perineal pain. Therefore, they may be considered as effective treatments for reducing pain intensity of allowing delivery.
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 | 0,003 |
| 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 ».