Effects of yoga exercise in reducing the risk of knee osteoarthritis and fibulin-3 levels among overweight population: a randomized controlled trial
Notice bibliographique
Résumé
Background and purpose: One of the main risk factors for knee osteoarthritis is overweight. The purpose of this study is to determine the effectiveness of yoga exercise in reducing the risk of knee osteoarthritis and fibulin-3 levels in overweight populations. Methods: This study was a randomized controlled trial involving 24 participants who met the inclusion and exclusion criteria. Participants were randomly divided into two groups: group one was given yoga exercise intervention and group two was given neuromuscular coordination exercise as the control group. Risk of knee osteoarthritis measurements were carried out using The Western Ontario and McMasters University Osteoarthritis Index (WOMAC). Fibulin-3 measurement used ELISA technique using human fibulin-3 kit, FBLN3 BT-LABkit 96T E4667Hu. Results: Participants of both groups were comparable, except for age where the control group is slightly older. Pre and post-test comparison showed improvement in pain, stiffness, physical function, total WOMAC score, and fibulin-3 levels in both groups. While, the post-test comparison between the two groups showed that yoga group has better scores on all indicators compared to the control groups which was statistically significant (p≤0.001). Conclusion: Both interventions are effective in reducing the risk of knee osteoarthritis and fibulin-3 levels, but yoga showed better result. We recommend yoga training to reduce the risk of knee osteoarthritis compared to conventional training. Future research is needed to measure other knee osteoarthritis biomarkers that describe the pathological process of knee osteoarthritis.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| 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 | 0,000 |
| 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 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 ».