Impact of Proprioception Training Program on Knee Function and Health Status among Elderly Patients with Knee Osteoarthritis
Notice bibliographique
Résumé
Age related changes take place over time cause knee osteoarthritis that cause knee joint become uncomfortable, edema, stiffness, and weakness, all of which eventually led to impairment and had an adverse impact on health status of elderly patients. Study aim: Evaluate the impact of proprioception training program on knee function and health status among elderly patients with knee osteoarthritis. Design: Quasi-experimental research was used. Settings: This study was done at Rheumatology and Rehabilitation outpatient clinic at Assiut University Hospital. Sample: Purposive sample was used and calculated by EPI info; it is estimated that 140 patients. The exercise program applied to 50% of this sample that was 70 geriatric patients. Tool I: A structured interview questionnaire. Tool II: Western Ontario McMaster Universities Osteoarthritis Index: this tool used to evaluate disability of patients. Tool III: - 36 - Item Short-Form Health Survey: this tool was used to measure health status of patients. Results: The results of this study supported that proprioception training have positive impact on improving physical function and health status among elderly patients as there was statistically significant difference for study group regarding (SF - 36) P=0.0001. Also, there was statistically significant difference between pretest and posttest regarding (WOMAC) index P =0.0001. Conclusion: The findings of this study indicate that proprioception training program is effective on improving physical function and health status among elderly patients with knee osteoarthritis. Recommendations: Develop and implement proprioception training program on other musculoskeletal disorders like low back pain among elderly patient.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».