Clinical efficacy of electromagnetic field therapy combined with traditional Chinese pain-reducing paste in myofascial pain syndrome
Notice bibliographique
Résumé
BACKGROUND: Pulsed electromagnetic field (PEMF) therapy is widely used to treat myofascial pain syndrome (MPS). Damp-clearing and pain-reducing paste (DPP) comprises medical herbs and has been a traditional method of reducing myofascial pain in China for a long time, and it is usually administered with heating. However, the synergistic effect of PEMF therapy on heating-DPP in patients with MPS is unclear. AIM: To investigate the synergistic effect of PEMF therapy plus heating-DPP in lumbar MPS. METHODS: = 60). Patients in both groups were treated with heating-DPP combined with PEMF therapy; however, the electromagnetic function of the therapeutic apparatus used in the CG was disabled. Each treatment lasted for 20 min and was applied five times a week for two weeks. The short-form McGill Pain Questionnaire was applied at five time points: pretest, end of the first and second weeks of treatment, and end of the first and fourth week after completing treatment. Visual analog scale (VAS), present pain intensity index (PPI), and pain rating index (PRI; total, affective pain, and sensory pain scores) scores were then analyzed. RESULTS: Compared with the CG, the VAS, PPI and PRI scores (total, affective pain and sensory pain scores) in the EG were significantly lower after treatment and during follow-up. CONCLUSION: PEMF therapy combined with heating-DPP showed better efficacy than heating-DPP alone in reducing the overall intensity of pain and sensory and affective pain.
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 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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».