Terapi Latihan, Infrared, Serta Transcutaneous Electrical Nerve Stimulation Pada Pasien Osteoarthritis Knee
Notice bibliographique
Résumé
Osteoarthritis is a degenerative disease in the supply that involves cartilage, joint layers, ligaments, and bones so that it can cause pain and stiffness in the joints. Almost 70% of osteoarthritis is experienced by those over the age of 50 years characterized by the presence of structural damage in the joints. The purpose of this study is to control the pain felt by the patient and improve the functional ability of the daily activities carried out by the patient. This study included a case study conducted at one of the hospitals in the city of Sragen on a patient Mrs. SNR, aged 71 years, working as a housewife. The patient complains of pain in both knees, the patient also has difficulty performing squat movements to the stand, standing for a long time, rising from sitting to standing, difficulty in praying. This research method was carried out by therapeutic patients for 2 x / week in 3 weeks, one therapy followed for 30 minutes. Patients are given therapy in the form of exercise, infrared and tens therapy. Pain was measured using the Numeric Rating Scale (NRS) and Western Ontario and the McMaster Universities Arthritis Index (WOMAC) to measure patient functional activity. Conclusion: modalities given by physiotherapy such as Quadriceps Setting Exercises, Passive Stretching, infrared (IR) and Transcutaneous Electrical Nerve Stimulation (TENS) given as many as 4 meetings can increase daily functional activities and there is a decrease in 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».