MétaCan
Menu
Retour à la cohorte
Enregistrement W4382314706 · doi:10.5195/ijt.2023.6560

The Effect of Telerehabilitation on Physical Fitness and Depression/Anxiety in Post-COVID-19 Patients: A Randomized Controlled Trial

2023· article· en· W4382314706 sur OpenAlexaff
Paloma Lopes de Araújo Furtado, Maria do Socorro Brasileiro-Santos, Brenda Lopes Cavalcanti de Mello, Alex Andrade Araújo, Maria Alessandra Sipriano da Silva, Jennifer Arielly Suassuna, Gabriella Brasileiro-Santos, Renata de Lima Martins, Amilton da Cruz Santos

Notice bibliographique

RevueInternational Journal of Telerehabilitation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTelerehabilitationAnxietyDepression (economics)Physical therapyCoronavirus disease 2019 (COVID-19)Randomized controlled trialIntervention (counseling)Physical fitnessMedicinePhysical medicine and rehabilitationRehabilitationPsychologyTelemedicinePsychiatryHealth careInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Aim: The aim of this research was to evaluate the impact of a telerehabilitation program on physical fitness, muscle strength, and levels of depression and anxiety in post-COVID-19 patients. Methods: Thirty-two individuals recovered from COVID-19 (48.20±12.82 years) were allocated into either a telerehabilitation (TG n=16) or control (CG n=16) group. Physical fitness, handgrip strength, depression and anxiety levels were assessed before and after an 8-week intervention. Results: There was a significant improvement in muscle strength in both groups. Physical fitness significantly increased compared to the CG at the end of the intervention. Levels of anxiety and depression significantly decreased after the intervention when compared to the CG. Conclusion: Eight weeks of functional telerehabilitation training is a viable and efficient way to rehabilitate patients affected by COVID-19, as it improved physical conditioning and mental health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,125
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,883

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,125
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,328
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of TelerehabilitationMême sujetLong-Term Effects of COVID-19Travaux en français237 207