Proprioceptive Training and Outcomes of Patients With Knee Osteoarthritis: A Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Objective To describe the effects of proprioceptive training on pain, stiffness, function, and functional test outcomes among patients with knee osteoarthritis (OA). Data Sources All studies completed from 1946 to 2017 were obtained from 4 databases (PubMed, MEDLINE, CINAHL, and SPORTDiscus). Study Selection Three reviewers independently identified appropriate studies and extracted data. Data Extraction Methodologic quality and level of evidence were assessed using the Physiotherapy Evidence Database scale and Oxford Centre for Evidence-Based Medicine guidelines. The standardized mean differences (SMDs) and 95% confidence intervals (CIs) were calculated for pain, stiffness, function, and functional test outcomes. Data Synthesis Seven randomized controlled trials involving 558 patients with knee OA met the inclusion criteria. The selected studies had Physiotherapy Evidence Database scores of 6 to 8. All randomized controlled trials had an Oxford Centre for Evidence-Based Medicine level of evidence of 2. Meta-analysis of the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain subscale (SMD = −0.56; 95% CI = −1.06, −0.07; P = .026), function subscale (SMD = −0.40; 95% CI = −0.59, −0.21; P < .001), and non-WOMAC walking speed test (SMD = −1.07; 95% CI = −2.12, −0.01; P = .048) revealed that proprioceptive training had significant treatment effects. Proprioceptive training was not associated with reductions in WOMAC stiffness subscale scores and did not improve non-WOMAC get-up-and-go scores. Conclusions Proprioceptive training effectively promoted pain relief and completion of functional daily activity among patients with knee OA and should be included in rehabilitation programs. Stiffness and other mobility measures were unchanged after proprioceptive training. Modified proprioceptive training programs are needed to target stiffness and improve additional physical function domains.
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 | 0,038 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,049 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».