Preoperative Home-Based Multimodal Physiotherapy in Patients Scheduled for a Knee Arthroplasty Who Catastrophize About Their Pain: A Randomized Controlled Trial
Notice bibliographique
Résumé
Background: Chronic pain affects about 20% of total knee arthroplasty (TKA) patients, with high pain catastrophizing being a key predictor. Screening and addressing this modifiable factor may improve postoperative outcomes. Objective: We aimed to compare the effectiveness of two preoperative home-based multimodal physical therapy interventions on pain catastrophizing in high-catastrophizing TKA patients. Secondarily, the study aimed to assess postoperative outcomes over six months. Methods: A total of 40 patients with symptomatic osteoarthritis and moderate pain catastrophizing were randomly allocated to the control, therapeutic patient education (TPE), and multimodal physiotherapy (MPT) groups. Preoperative interventions comprised pain neuroscience education, coping skills training, and therapeutic exercise, differing in the number of sessions and degree of supervision. All outcomes were assessed before and after the treatment in the preoperative period, and 1, 3, and 6 months post-surgery. The primary outcome measure was pain catastrophizing. Results: Both intervention groups showed a preoperative reduction in pain catastrophizing. TPE patients had lower pain ratings at rest and lower catastrophizing scores at 1 and 6 months post-surgery, reduced kinesiophobia and improved dynamic balance at 3 and 6 months post-surgery, and higher self-efficacy at 1 month post-surgery. MPT patients exhibited lower pain catastrophizing and pain intensity during walking at 1 month post-surgery, and better outcomes in kinesiophobia, self-efficacy, and dynamic balance at 1, 3, and 6 months post-surgery, along with higher walking speed at 6 months post-surgery. Conclusions: Preoperative physiotherapy reduces preoperative pain catastrophizing and improves postoperative pain-related outcomes, behaviors, and cognitions in high-catastrophizing TKA patients. Registration is with the United States Clinical Trials Registry (NCT03847324).
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».