Can a Patient use an App at Home to Measure Knee Range of Motion? Utilizing a Mobile App, Curovate, to Improve Access and Adherence to Knee Range of Motion Measurements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Knee range of motion is a critical measure of progress after knee injury and knee surgery. However, many patients do not understand the importance of knee range of motion and most do not have a way to self-monitor their knee range of motion at home. The patient being able to measure their own range of motion can provide improved access to this critical health metric, and could improve adherence with their daily knee range of motion exercises. The purpose of this technical report is to determine if a mobile app, Curovate, can provide reliable measures of knee range of motion compared to standard goniometric measurements. Procedures: There were four positions of knee flexion and four positions of knee extension each measured twice with a standard goniometer and four different mobile devices with the app Curovate. The reliability and validity of the Curovate app was tested across mobile devices and operating systems and compare to goniometric knee range of motion measurements. A total of 80 measurements were taken. All testing was completed on a healthy 23-year-old male with no knee pathology. Results: A strong positive correlation, Pearson's r > = 0.9985, for all positions of knee flexion and extension across all four mobile devices as well as each mobile device compared to standard goniometric measurements. Conclusions: This article presents a unique method for patients to measure their knee range of motion using the mobile app Curovate. Overall, the mobile app, Curovate, was found to have a strong positive correlation across four mobile devices with varying operating systems and compared to goniometric measurements. Level of evidence: 4.
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.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle