Aquatic Exercise Training Program Outcomes on Quality Of Life and Lower Limb Lymphedema
Notice bibliographique
Résumé
Lower limb lymphedema (LLL) has a negative impact on many aspects of daily living, including household chores, physical activity, and psychological well-being. Patients with LLL that are not properly managed may become progressively worse and lead to an increases impairment of physical functional capacity and decline in the quality of life. PURPOSE: To determine whether patients with LLL can benefit from water immersion exercise to improve quality of life and control-diminish limb volume. METHODS: A total of 7 female participants affected by bilateral (n=4) or unilateral (n=3) LLL were included in this pilot study. Patients had primary or secondary LLL as complications of melanoma or gynecological cancers. Water immersion interval training exercise was conducted over a 6-week period (12 sessions of 45 minutes) and consisted of yoga exercises, aqua-jogging, pedaling on a water stationary bike and muscular training on a step and a trampoline. Outcome measures were taken before (pre) and after (post) the exercise program using the quality of life for limb lymphedema questionnaire (LYMQOL), 6 min walk test, handgrip strength test, bioelectrical impedance spectroscopy (BIS) and lower limb circumferences. RESULTS: Pre vs post lower limb circumference volumes remained stable, while BIS measurements increased significantly (Ro = 204.8 ± 58.5 vs 220.9 ± 68.3 ohm, p=0.04) indicating a reduction in the extracellular fluid compartment. The distance covered in the 6 min walk test (458.4 ± 117.0 vs 520.0 ± 126.0 meter, p=0.04) and the sum of right and left handgrip strength (32.6 ± 5.6 vs38.0 ± 10.8 kg, p=0.003) were significantly improved and so did the emotion score (2.1 ± 0.7 vs 1.6 ± 0.6, p=0.03) and overall quality of life (7.09 ± 1.8 vs 8.1 ± 0.8, p=0.05). CONCLUSIONS: Water immersion exercise training allowed patients with lower limb lymphedema to lower the extracellular fluid volume, increases physical fitness, and quality of life outcomes.
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) | 0,000 | 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) | 0,003 | 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 ».