Evaluation of the effect of low-intensity pulsed ultrasound in pain and dysfunction for knee osteoarthritis: a double-blind, randomised controlled trial protocol
Notice bibliographique
Résumé
INTRODUCTION: Osteoarthritis (OA) is the most common joint disorder among musculoskeletal conditions. Non-surgical treatment is the standard therapy for knee OA (KOA). Ultrasound therapy is recommended for alleviating pain and dysfunction from OA, but high-quality scientific evidence for its effectiveness in OA treatment is still lacking.Therefore, we want to analyse whether combining conventional physical therapy with low-intensity pulsed ultrasound (LIPUS) can enhance the efficacy of conventional therapy, thus improving symptoms in patients with KOA. METHODS AND ANALYSIS: This randomised controlled trial aims to recruit 200 patients diagnosed with KOA, aged 38 years or above, who meet the clinical diagnostic criteria for KOA. Patients will be randomly assigned in a 1:1 ratio to either a LIPUS treatment group or a sham ultrasound treatment control group. The 2-week treatment will consist of five sessions per week and evaluations will take place at baseline, on the day of the last intervention and 1 month post intervention. The main outcome measures will be the Western Ontario and McMaster Universities' scores. Secondary outcome indicators will be the Numerical Pain Rating Scale, the Lequesne scale, the time up and go test and the range of motion of the knee. An intention-to-treat analysis will be performed for dropouts and missing data. ETHICS AND DISSEMINATION: The study was approved by the ethics committee of Shengjing Hospital of China Medical University (2023PS592K). Findings will be disseminated to participants and made available to peer-reviewed journals. TRIAL REGISTRATION NUMBER: The trial was registered on the Chinese Clinical Trial Registry platform (chictr.org.cn) on 22 March 2023, with the registration ID ChiCTR2300069643.
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 | 0,026 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,003 |
| Méta-épidémiologie (sens large) | 0,017 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,010 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,008 |
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 ».