To Study Effects of Muscle Energy Technique and Proprioceptive Neuromuscular Facilitation on Computer Users Suffering from Neck Pain : A Comparative Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Prolonged use of computers during daily work activities and recreation is often cited as a cause of neck pain. Neck pain and computer users are clearly connected due to extended periods of sitting in a certain position with no breaks to stretch the neck muscles. Pro-longed computer use with neck bent forward, will cause the anterior neck muscles to gradually get shorter and tighter, while the muscles in the back of neck will grow longer and weaker. These changes will lead to development of neck pain. METHODOLOGY: A total 40 subjects were selected for study. They were divided into 2 groups 20 in each. Group A was given Muscle Energy Technique, And Group B was given Proprioceptive Neuromuscular Facilitation .Treatment was given 5 days per week, for 6 weeks. Outcome measure in form of NPRS ,And NDI were recorded on 1st day before treatment and after 6 weeks. RESULT: Group A and B showed significant improvement in all three outcome measures within group (P>0.05). Between Group A and B were significant (p>0.05). So, three groups were shows significant difference. CONCLUSIONS: The results of this Comparative study indicated that the treatment in all three Groups (Muscle Energy Technique And Proprioceptive Neuromuscular Facilitation) are effective in participants with Computer Users Suffering From neck pain on pain and functional disability. However, MET was found to be superior to Proprioceptive Neuromuscular Facilitation alone in participants with Computer Users Suffering From neck 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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 découle