Effects of Tai Ji Quan training on gait kinematics in older Chinese women with knee osteoarthritis: A randomized controlled trial
Notice bibliographique
Résumé
Background Although Tai Ji Quan has been shown to relieve pain and improve functional mobility in people with knee osteoarthritis (OA), little is known about its potential benefits on gait characteristics among older Chinese women who have a high prevalence of both radiographic and symptomatic knee OA. This study aims to assess the efficacy of a tailored Tai Ji Quan intervention on gait kinematics for older Chinese women with knee OA. Methods A randomized controlled trial involving 46 older women in Shanghai, China, with clinically diagnosed knee OA. Randomized (1:1) participants received either a 60 min Tai Ji Quan session ( n = 23) 3 times weekly or a 60 min bi-weekly educational session ( n = 23) for 24 weeks. Primary outcomes were changes in gait kinematic measures from baseline to 24 weeks. Secondary outcomes included changes in scores on the Western Ontario and McMaster University Osteoarthritis Index (WOMAC) and Short Physical Performance Battery (SPPB). Results After 24 weeks the Tai Ji Quan group demonstrated better performance in gait velocity (mean difference, 8.40 cm/s, p = 0.01), step length (mean difference, 3.52 cm, p = 0.004), initial contact angle (mean difference, 2.19°, p = 0.01), and maximal angle (mean difference, 2.61°, p = 0.003) of flexed knees during stance phase compared to the control group. In addition, the Tai Ji Quan group showed significant improvement in WOMAC scores ( p < 0.01) (mean difference, −4.22 points in pain, p = 0.002; −2.41 points in stiffness, p < 0.001; −11.04 points in physical function, p = 0.006) and SPPB scores (mean difference, 1.22 points, p < 0.001). Conclusion Among older Chinese women with knee OA, a tailored Tai Ji Quan intervention improved gait outcomes. The intervention also improved overall function as indexed by the WOMAC and SPPB. These results support the use of Tai Ji Quan for older Chinese adults with knee OA to both improve their functional mobility and reduce pain symptomatology.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».