The Effects of Korean Medicine Treatment for Meniscus Tears: A Retrospective Chart Review
Notice bibliographique
Résumé
Changes in symptoms and dysfunction related to meniscus tears following the use of Korean medicine for ≥ 4 days were studied. The medical charts of 53 cases of diagnosed meniscus tears (magnetic resonance imaging) with an admission Numeric Rating Scale (NRS) score ≥ 4, between 2017 and 2022 were retrospectively reviewed. Treatments included acupuncture, pharmacopuncture, herbal treatment, Chuna therapy, and physiotherapy. The NRS, Western Ontario and McMaster Universities Osteoarthritis Index, and European Quality of Life 5 Dimensions were performed at admission and discharge. There were 42 females and 11 males in this study. Patients were more likely to be in their 60s (38.18%), have an unknown etiology (81.13%), and have complex tears (50.94%). After receiving a combination of alternative Korean medicine during hospitalization, the mean NRS score improved from 6.82 ± 1.19 to 3.66 ± 1.83 (p < 0.001), the Western Ontario and McMaster Universities Osteoarthritis Index score improved from 46.47 ± 20.99 to 37.98 ± 19.23 (p < 0.001), and the mean European Quality of Life Five Dimensions score improved from 0.61 ± 0.18 to 0.68 ± 0.14 (p < 0.001) after treatment. These results suggest that Korean medicine treatment of meniscus tears alleviated pain and improved physical function.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».