Effectiveness of Physiotherapy Treatment on Clinical Features and Quality of Life of COVID-19 Positive Patients
Notice bibliographique
Résumé
Background: World Health Organization has declared corona virus disease (COVID 19) a global pandemic. Fever, dry cough and breathlessness are the main manifestations. In addition, myalgia, muscle weakness, fatigue may render the patients unable to carry out activities of daily living (ADL) which affect patient’s QOL. Amongst health workers, physiotherapists are playing an important role in managing and caring novel COVID-19 patients in ICUs and also out there. Clinical features-Pain, Muscle weakness, Fatigue was assessed by following Numeric pain rating scale, Manual muscle testing, Fatigue assessment scale. Functional status and Quality of life of patients, measured by functional independent measurement scale, McGill Quality of life Questionnaire. So, aim is to provide evidence of physiotherapist involvement in managing COVID-19 infected patients. Materials and Methods: Interventional study, simple random sampling with sample size of sixteen Covid 19 positive patients was done. Both male and female included. Patients who were mentally ill excluded. Oral consent was taken. Subjects were given physiotherapy treatment for 1 week. (Seven days) which include chest physiotherapy, Breathing exercises, early mobilization, Limb physiotherapy, Positioning etc. Clinical features of Covid 19-Pain, Muscle strength, Fatigue level, Functional status and Quality of life was measured before and after intervention. Wilcoxon test used to analyze data. Results: Data of 16 subjects was analyzed. Result showed that significant decrease in pain, fatigue level and increase in muscle strength, functional status and QOL. Conclusion: Physiotherapy treatment improves QOL and clinical features of covid 19 patients like pain, muscle strength, fatigue. Key words: Physiotherapy, Pain, Muscle strength, Fatigue, functional level, QOL.
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 | 0,008 | 0,004 |
| 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 | 0,001 |
| 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 ».