Benefits of Resistance Training with Blood Flow Restriction in Knee Osteoarthritis
Notice bibliographique
Résumé
PURPOSE: Evaluate the effects of a low-intensity resistance training (LI-RT) program associated with partial blood flow restriction on selected clinical outcomes in patients with knee osteoarthritis (OA). METHODS: Forty-eight women with knee OA were randomized into one of the three groups: LI-RT (30% one repetition maximum [1-RM]) associated (blood flow restriction training [BFRT]) or not (LI-RT) with partial blood flow restriction, and high-intensity resistance training (HI-RT, 80% 1-RM). Patients underwent a 12-wk supervised training program and were assessed for lower-limb 1-RM, quadriceps cross-sectional area, functionality (timed-stands test and timed-up-and-go test), and disease-specific inventory (Western Ontario and McMaster Universities Osteoarthritis Index [WOMAC]) before (PRE) and after (POST) the protocol. RESULTS: Similar within-group increases were observed in leg press (26% and 33%, all P < 0.0001), knee extension 1-RM (23% and 22%; all P < 0.0001) and cross-sectional area (7% and 8%; all P < 0.0001) in BFRT and HI-RT, respectively, and these were significantly greater (all P < 0.05) than those of LI-RT. The BFRT and HI-RT showed comparable improvements in timed-stands test (7% and 14%, respectively), with the latter showing greater increases than LI-RT. Timed-up-and-go test scores were not significantly changed within or between groups. WOMAC physical function was improved in BFRT and HI-RT (-49% and -42%, respectively; all P < 0.05), and WOMAC pain was improved in BFRT and LI-RT (-45% and -39%, respectively; all P < 0.05). Four patients (of 16) were excluded due to exercise-induced knee pain in HI-RT. CONCLUSIONS: Blood flow restriction training and HI-RT were similarly effective in increasing muscle strength, quadriceps muscle mass, and functionality in knee OA patients. Importantly, BFRT was also able to improve pain while inducing less joint stress, emerging as a feasible and effective therapeutic adjuvant in OA management.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».