MétaCan
Menu
Retour à la cohorte
Enregistrement W3208570251 · doi:10.1186/s42358-021-00221-4

The effect of rehabilitation protocol using mobile health in overweight and obese patients with knee osteoarthritis: a clinical trial

2021· article· en· W3208570251 sur OpenAlexaboutno aff
Muhammad Tariq Rafiq, Mohamad Shariff Abdul Hamid, Eliza Hafiz

Notice bibliographique

RevueAdvances in Rheumatology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthMedicinePhysical therapyRandomized controlled trialWOMACOverweightRehabilitationOsteoarthritisFunctional Independence MeasureBody mass indexPsychological interventionInternal medicineNursingAlternative medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of this randomized controlled trial (RCT) was to investigate the effectiveness of the lower limb rehabilitation protocol (LLRP) combined with mobile health (mHealth) applications on knee pain, mobility, functional activity and activities of daily living (ADL) among knee osteoarthritis (OA) patients who were overweight and obese. METHODS: This study was a single-blind, RCT conducted at Teaching Bay of Rehmatul-Lil-Alameen Post Graduate Institute of Cardiology between February and November 2020. 114 knee OA patients who were overweight and obese were randomly divided by a computer-generated number into the rehabilitation group with mHealth (RGw-mHealth) to receive LLRP + instructions of daily care (IDC) combined with mHealth intervention, rehabilitation group without mHealth (RGwo-mHealth) to receive LLRP + IDC intervention and control group (CG) to receive IDC intervention. All three groups were also provided leaflets explaining about their intervention. The primary outcome measure was knee pain measured by the Western Ontario and McMaster Universities Osteoarthritis Index score. The secondary outcome measures were mobility measured by the Timed up and go (TUG) test, functional activity measured by the patient-specific functional scale (PSFS), and ADL measured by the Katz Index of independence in ADL scores. RESULTS: Among the 114 patients who were randomized (mean age, 53 years), 96 (84%) completed the trial. After 3-months of intervention, patients in all three groups had statistically significant knee pain reduction (RGw-mHealth: 2.54; RGwo-mHealth: 1.47; and CG: 0.37) within groups (P < 0.05). Furthermore, patients in the RGw-mHealth and RGwo-mHealth had statistically significant improvement in mobility, functional activity, and ADL within groups (P < 0.05), but no improvement was noted in the CG (p > 0.05). As indicated in the overall analysis of covariance, there were statistically significant differences in the mean knee pain, mobility, functional activity, and ADL changes between groups after 3-months (p < 0.001). The pairwise between-group comparisons (Bonferroni post hoc analysis) of the knee pain, mobility, functional activity, and ADL scores at 3-months revealed that patients in the RGw-mHealth had significantly higher mean change in the knee pain, TUG test, functional activity, and ADL scores compared to patients in the RGwo-mHealth or CG. CONCLUSION: Reduction in knee pain, improvement in mobility, functional activity, and ADL were more among patients in the RGw-mHealth compared with the RGwo-mHealth or CG. Trial registration National Medical Research Registry: NMRR-20-1094-52911. Date of registration: 05-05-2020. URL: https://www.nmrr.gov.my .

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,008
Tête enseignante GPT0,352
Écart entre enseignants0,344 · 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'étudeEssai non randomisé
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

Citations39
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in RheumatologyMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207