The Ottawa panel clinical practice guidelines for the management of knee osteoarthritis. Part one: introduction, and mind-body exercise programs
Notice bibliographique
Résumé
OBJECTIVE: To identify effective mind-body exercise programs and provide clinicians and patients with updated, high-quality recommendations concerning non-traditional land-based exercises for knee osteoarthritis. METHODS: A systematic search and adapted selection criteria included comparative controlled trials with mind-body exercise programs for patients with knee osteoarthritis. A panel of experts reached consensus on the recommendations using a Delphi survey. A hierarchical alphabetical grading system (A, B, C+, C, D, D+, D-) was used, based on statistical significance ( P < 0.5) and clinical importance (⩾15% improvement). RESULTS: The four high-quality studies identified demonstrated that various mind-body exercise programs are promising for improving the management of knee osteoarthritis. Hatha Yoga demonstrated significant improvement for pain relief (Grade B) and physical function (Grade C+). Tai Chi Qigong demonstrated significant improvement for quality of life (Grade B), pain relief (Grade C+) and physical function (Grade C+). Sun style Tai Chi gave significant improvement for pain relief (Grade B) and physical function (Grade B). CONCLUSION: Mind-body exercises are promising approaches to reduce pain, as well as to improve physical function and quality of life for individuals with knee osteoarthritis.
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 | 0,022 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,006 |
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 ».