MétaCan
Menu
Retour à la cohorte
Enregistrement W2765250765 · doi:10.21474/ijar01/5429

EFFECT OF KINESIO TAPING WITH OPEN KINETIC CHAIN VERSUS CLOSED KINETIC CHAIN EXERCISE IN PATELLOFEMORAL PAIN SYNDROME.

2017· article· en· W2765250765 sur OpenAlexfundno aff
Vijeshrajian George, D Vincentjeyaraj, R SivakumarVP

Notice bibliographique

RevueInternational Journal of Advanced Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésPatellofemoral pain syndromeMedicinePhysical therapyRange of motionVisual analogue scalePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

Background: Patellofemoral pain syndrome is one of the most common musculoskeletal disorder which affect an individual in third and fourth decades of life.Objective: The objective of the study is to compare the effectiveness of open kinetic chain and closed kinetic chain exercises along with the application of Kinesio taping in subjects with patellofemoral pain syndrome.Study design: Quasi experimental study design, Pre and Post test.Subjects: 30 Subjects diagnosed with patellofemoral pain syndrome with age group of 20-65 years of both the genders, having 4-7 of Visual Analogue Scale score.Intervention: 15 Subjects in Group-A received Kinesio taping with open kinetic chain exercise and 15 Subjects in Group-B received Kinesio taping with closed kinetic chain exercise.Results: The result of the study showed significant improvement in closed kinetic chain exercise along with the application of Kinesio tape.Conclusion: It was concluded that there was statistically significant improvement in closed kinetic chain exercise along with the application of Kinesiotaping , where there is a decrease in pain and increase in Range of motion, Muscle strength and Functional ability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,369
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced ResearchMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207