Comparison of Structural Diagnosis and Management (SDM) approach and Myofascial Release (MFR) for improving planter heel pain, ankle range of motion and disability: A Randomized Clinical Trial
Notice bibliographique
Résumé
Abstract Purpose This study compared the effect of Structural Diagnosis and Management (SDM) approach over Myofascial Release (MFR) on gastrocnemii, soleus and plantar fascia in patients with plantar heel pain. Subjects Sixty-four (n=64) subjects, aged 30-60 years, with a diagnosis of plantar heel pain, plantar fasciitis or calcaneal spur by a physician and according to ICD-10. Participants were equally allocated to MFR (n=32) and SDM (n=32) group by hospital randomization and concealed allocation. Methods In this assessor blinded randomized clinical trial, the control group performed MFR (three tissue specific stretching techniques) and the experimental group performed 2 tissue-specific interventions utilizing the Structural Diagnosis and Management (SDM) concept for 12 sessions over a 4-week period. In addition, both groups received strengthening exercises and other conventional treatments. Pain, activity limitations and disability were assessed as primary outcomes utilizing the foot function index (FFI) and range of motion (ROM) of the ankle dorsiflexors and plantar flexors were measured with a universal goniometer. Secondary outcomes were measured using the Foot Ankle Disability Index (FADI) and 10-point manual muscle testing process for the ankle dorsiflexors and plantar flexors. Result Both MFR and SDM groups exhibited significant improvements from baseline in all outcome variables, including: pain, activity level, disability, range of motion and function after the 12-week intervention period (p<.05), The SDM group showed more significant improvements than MFR for FFI pain (p=.001), FFI activity (p=.009), FFI (p= .001) and FADI (p=.002). Conclusion MFR and SDM approaches are both effective to reduce pain, improving function, ankle range of motion, and reduce disability in plantar heel pain. However, the SDM approach is significantly superior (for reducing pain, improving function and reducing disability (p<.05).
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».