MétaCan
Menu
Retour à la cohorte
Enregistrement W2912394369 · doi:10.1589/jpts.31.153

Improving posture to reduce the symptoms of Parkinson’s: a CBP<sup>®</sup> case report with a 21 month follow-up

2019· article· en· W2912394369 sur OpenAlexaff
Justin Michael Anderson, Paul A. Oakley, Deed E. Harrison

Notice bibliographique

RevueJournal of Physical Therapy Science · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease and Spinal Disorders
Établissements canadiensCanadian Rheumatology Association
Organismes subventionnairesnon disponible
Mots-clésMedicinePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

[Purpose] To demonstrate the reduction of symptoms related to Parkinson's disease by improvement in posture. [Participant and Methods] A 59-year-old male patient presented with a prior diagnosis of Parkinson's. Symptoms included a resting right hand tremor, intermittent 'freezing episodes' with gait, mild ataxia with shuffling on toes and bradykinesia assisted with a cane, as well as low back pain and right knee pain. Radiography revealed gross postural and spine deformity. The patient received Chiropractic BioPhysics care including mirror image exercises, spinal traction, spinal adjustments as well as gait rehabilitation. [Results] After 38 treatments over 5 months, the patient had significant improvements in posture alignment as well as gait, balance, hand tremors, low back and knee pains and SF-36 values. A 21 month follow-up revealed the patient had remained essentially well and the initial postural improvements were maintained. [Conclusion] This case demonstrates improvement of various symptoms in a patient with Parkinson's disease. Since poor posture is a long known clinical manifestation of this disorder, it is proposed that the improvement of posture in these patients may lead to improved outcomes. X-ray use in the diagnosis and management in those with spine deformity is safe and not carcinogenic.

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: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,011
Tête enseignante GPT0,281
Écart entre enseignants0,270 · 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'étudeÉtude de cas
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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physical Therapy ScienceMême sujetParkinson's Disease and Spinal DisordersTravaux en français237 207