Effects of integrated ankle–knee and hip–knee exercises on gait and lower extremity function in individuals with patellofemoral pain syndrome: A 6-week randomized controlled trial
Notice bibliographique
Résumé
Background Patellofemoral pain syndrome (PFPS) involves complex biomechanical interactions affecting lower extremity function. Objective This study investigated the effects of integrated ankle–knee and hip–knee strengthening exercises on gait and lower extremity function in individuals with PFPS. Methods In this 6-week randomized controlled trial, 39 adults with PFPS were randomly assigned to the ankle–knee exercise group (AKG), hip–knee exercise group (HKG), or conventional knee exercise group (KG). The primary outcome was gait-related parameters, while secondary outcomes included lower extremity function parameters and the subjective measures of pain and function. Changes in these parameters were assessed and compared across three groups before and after the intervention. Results Significant time × group interaction effects on gait speed and the Korean version of the Western Ontario and McMaster Universities Osteoarthritis (K-WOMAC) stiffness were observed in the AKG, with post-intervention improvements in gait speed (1.05 ± 0.20 to 1.21 ± 0.19, P = 0.003) and K-WOMAC stiffness (5.63 ± 1.62 to 2.81 ± 1.07, P = 0.01). The AKG showed a significant increase in cadence (103.54 ± 10.42 to 111.61 ± 5.71, P = 0.021), whereas the HKG showed a significant increase in hip flexion angle during a single-leg squat (39.67 ± 4.49 to 41.88 ± 3.17, P = 0.012). Conclusion This study supports incorporating joint strengthening exercises beyond the knee joint to address complex biomechanical factors in managing PFPS. Further studies are required to optimize exercise regimens for better therapeutic outcomes.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».