MétaCan
Menu
Retour à la cohorte
Enregistrement W4392651170 · doi:10.53730/ijhs.v8ns1.14796

influence of virtual reality approach on phantom pain in trans-tibial amputation

2024· article· en· W4392651170 sur OpenAlexaboutno aff
Mohamed Elgendy, Mohamed H. Helal, Ahmed Habib

Notice bibliographique

RevueInternational Journal of Health Sciences · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhantom painAmputationImaging phantomVirtual realityPhantom limb painPhantom limbMedicineComputer sciencePsychologyPhysical medicine and rehabilitationHuman–computer interactionSurgeryRadiology

Résumé

récupéré en direct d'OpenAlex

Background: Phantom limb pain (PLP): is a common complaint after lower limb amputation can be defined as discomfort or pain in a missing part of the limb. This study was conducted in the research laboratory section, Faculty of Physical Therapy, Cairo University, Giza, Egypt. Purpose: To investigate the effect of Virtual reality (VR) on phantom limb pain and lower limb Function in trans tibial amputation. Methods: sixty patient with phantom pain were enrolled into 2 equal groups: a study group and a control group. Outcome measures included pain intensity level was measured by McGill pain questionnaire and Lower Extremities Function was measured by Lower Extremities Function Scale. That were assessed at baseline and 4 weeks postintervention. Results: A statistically significant effect (p < 0.0001) of treatment and time was revealed in both groups for all measured variables. Between-group analysis implied a higher improvement in post-intervention results in group B (p < 0.05). Conclusion: This study indicated that Using VR with conventional treatment is more effective in case of Phantom pain in trans-tibial amputation that in improving pain intensity level (reduce pain) and Lower Extremities Function than conventional treatment alone.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil0,161

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,051
Tête enseignante GPT0,400
Écart entre enseignants0,349 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health SciencesMême sujetPain Management and TreatmentTravaux en français237 207