A Comparison Between the Effectiveness of Tepurak Therapy Versus Deep Tissue Massage Stretching on Low Back Function in Nonspecific Low Back Pain
Notice bibliographique
Résumé
Introduction: The research carried out is a large research project that examined two different massage methods on many variables so that they can determine their effect on variables on a wider scale, namely pain, range of movement (ROM), and low back function. Pain and ROM variables have been published in different journals, and their acute effects are only known after treatment and the results are effective. This study examined the low back function variable 24, 48, and 72 hours after treatment. Objective: This study aimed to determine the effectiveness of Tepurak and deep tissue massaging with stretching (DTMS) on low back function in nonspecific low back pain (NSLBP) and conduct a comparison of the effectiveness of Tepurak versus DTMS for low back function in NSLBP. Methods: This research is a quasi-experiment using a pre-test/post-test design to determine the difference in scores before and after treatment. The variable measured involved the low back function using the Oswestry Disability Index. Measurements were carried out four times at pre-test, 24, 48, and 72 hours after the treatments. This study used two different sample groups. The research sample consisted of 42 NSLBP sufferers who were randomly divided into two groups, A and B. Group A received Tepurak treatment, while Group B received DTMS treatment. These treatments were carried out in one treatment session. Results: The results of the different treatments for the low back function variables in the Tepurak treatment have a p-value of 0.000. The results of the low back function variables in the DTMS treatment have a p-value of 0.000. The results of the comparison test of Tepurak versus DTMS therapy for the low back function variable had a p-value of 0.771. Conclusion: Both Tepurak and DTMS are effective in improving low back function in NSLBP cases. In comparison between Tepurak and DTMS, there was no significant difference in the effectiveness in improving low back function in NSLBP cases.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».