Effects Of Tai Chi Exercise For Symptoms Of Knee Osteoarthritis: A Systematic Review And Meta-analysis
Notice bibliographique
Résumé
PURPOSE: To systematically review and meta-analyze the effects of Tai Chi Exercise for symptoms of knee osteoarthritis (KOA). METHODS: We performed systematic searches in five electronic databases: PubMed, Web of Science, Cochrane Library, EBSCO and EMBASE from the time of their inception to August 2021. All eligible Randomized Controlled Trials (RCTs) were included in which Tai Chi was utilized to treat KOA compared to a control group. Three reviewers independently extracted the data and evaluated the risk of bias following the Cochrane Risk of Bias Tool for RCTs. The symptom of KOA evaluated by the Western Ontario and McMaster Universities Arthritis Index (WOMAC) was regarded as the primary outcomes in this study. Outcomes measures included pain, joint stiffness and physical function. Each outcome measure was pooled by a standardized mean difference (SMD) with 95% confidence intervals (CI). A meta-analysis was applied with a random effect model for the collected data to calculate the summary SMD with 95% CI based on different statistical heterogeneity. RESULTS: A total of 11 RCTs with 709 patients with KOA met the established inclusion criteria. The systematic review illustrated the efficacy of Tai Chi in treating and managing KOA. Patients' outcomes practising Tai Chi were improved significantly. Compared with a control group, the synthesized data of Tai Chi showed a significant reduction in WOMAC pain score (SMD = −0.64; 95% CI: −0.90 to −0.36; p < 0.001), stiffness score (SMD = −0.52; 95% CI: −0.84 to −0.21; p = 0.001), and physical function score (SMD = −0.77; 95% CI: −1.05 to −0.48; p < 0.001). No adverse events associated with Tai Chi were reported. CONCLUSIONS: Our study suggested that Tai Chi may effectively alleviate pain, relieve stiffness and improve the patients' physical function with KOA. Tai Chi was beneficial for alleviating the OA of patients and could be used as a rehabilitation exercise.
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 | 0,019 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,027 | 0,035 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».