Does Deep Cervical Flexor Muscle Training Affect Pain Pressure Thresholds of Myofascial Trigger Points in Patients with Chronic Neck Pain? A Prospective Randomized Controlled Trial
Notice bibliographique
Résumé
Background. We need to understand more about how DNF performs in different contexts and whether it affects the pain threshold over myofascial trigger points (MTrPs). Purpose. The objectives were to investigate the effect of neck muscles training on disability and pain and on pain threshold over MTrPs in people with chronic neck pain. Methods. Patients with chronic neck pain were eligible for participation with a Neck Disability Index (NDI) score of over 5/50 and having at least one MTrP on either levator scapulae, upper trapezoid, or splenius capitis muscle. Patients were randomly assigned into either DNF training, superficial neck muscle exercise, or advice group. Generalized linear model (GLM) was used to detect differences in treatment groups over time. Results. Out of 67 participants, 60 (47 females, mean age: 39.45 ± 12.67) completed the study. Neck disability and neck pain were improved over time between and within groups ( p<0.05 ). However, no differences were found within and between the therapeutic groups ( p<0.05 ) in the tested muscles’ PPTs and in cervicothoracic angle over a 7-week period. Conclusion. All three groups improved over time. This infers that the pain pathways involved in the neck pain relief are not those involved in pain threshold.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».