Effects of Lateral Wedge Insole on Static and Dynamic Balance in Patients with Moderate Medial Knee Osteoarthritis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Knee osteoarthritis (OA) is associated with diminished joint proprioception, balance deficits and increased risk of falls. Patients with medial knee osteoarthritis are at higher risk of balance deficits and falling due to the development of secondary varus deformity. Therefore, it is of great clinical importance to identify the treatment methods that could improve balance in knee OA. The purpose of this study was to evaluate the effects of Lateral Wedge Insole (LWI) on static and dynamic balance in patients with moderate medial knee osteoarthritis. METHODS: Thirty patients with moderate medial knee OA participated in this semi-experimental interventional study. Patients were recruited from orthopedic and rheumatology clinics of the university. For each patient, the static and dynamic balance were assessed in two conditions including wearing shoes with flat insole and wearing shoes with lateral wedge insole, using a Prokin stabilometer. The balance variables were the anteroposterior and mediolateral velocity and standard deviation of the center of pressure (COP) displacement, and total stability indices. Patients performed two familiarization trials, then, three actual trials with at least 30 s interval for each test. FINDINGS: Wearing LWIs resulted in significant decreases in the anteroposterior (static:1.78mm/s, dynamic:6.63mm/s) and mediolateral velocity of COP (static:1.53mm/s, dynamic:5.58mm/s) in compression to wearing shoes with flat insole (p<0.001). The anteroposterior (static:1.04 mm, dynamic:1.57mm) and mediolateral SD of the COP (static:1.58mm, dynamic:2.02mm) were also decreased after using LWIs (p<0.007). Except for the anteroposterior stability index, other balance indices were also significantly improved (p<0.05). CONCLUSION: Our findings suggest that using a LWI improve static and dynamic balance in patients with moderate medial knee OA.
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) | 0,001 | 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 ».