Studying Relationship Between Static and Dynamic Balance Indices and Knee Pain Severity in Patients with Knee Osteoarthritis
Notice bibliographique
Résumé
Background and Objectives: One of the predisposing factors for postural sway changes in patients with knee osteoarthritis is the severity of knee pain. Therefore, the purpose of this study was to evaluate the relationship between pain severity and static and dynamic balance indices in patients with knee osteoarthritis.Materials and Methods: 15 patients with knee osteoarthritis were selected through simple non-probability sampling. Static and dynamic balance indices were also measured by Biodex system, the pain severity by the Visual Analogue Scale (VAS) in two pre and post time intervals. The treatment was performed for the balance trainings group for 3 weeks and 5 times per week. Paired statistical t-test and Pearson test were used to analyze the data.Results: The results showed that balance trainings resulted in significant improvement in pain severity and dynamic and static balance indices. There was a significant direct correlation between pain severity and anterior-posterior stability index and medial-lateral stability index on two feet with the closed eyes with exercise, respectively (rho = 0.52, p = 0.04) and (rho = 0.53, p = 0.03). There was also a significant indirect correlation between pain severity and anterior-posterior stability index on the affected leg with the closed eyes (rho = 0.60, p = 0.01).Conclusion: The results of the study confirm the direct and indirect relationship between dynamic balance indices and pain intensity; in the future studies the effect of pain on neuromuscular factors should be considered.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 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) | 0,000 | 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 tête enseignante, 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 ».