The effect of walking interventions on biomechanical knee osteoarthritis outcomes: A systematic review and meta-analysis
Notice bibliographique
Résumé
PURPOSE: To summarize walking parameters specified in biomechanical analyses for knee osteoarthritis populations, determine the biomechanical effects of walking interventions, and explore associations between walking parameters and biomechanical knee osteoarthritis outcomes. METHODS: Databases (CINAHL, Embase, PubMED, SportDiscus, Scopus) were searched through October 2024. Experimental studies investigating biomechanical effects of walking interventions on knee osteoarthritis were included. Study quality was assessed using the QualSyst tool. Quantitative meta-analyses calculated Hedge's g standardized mean differences (SMD) for first peak knee adduction moment (KAM), KAM impulse, peak knee flexion moment (KFM), and gait speed. Meta-regressions investigated the effect of walking parameters (intervention length; duration, frequency, intensity) on outcomes. RESULTS: Eighteen studies were included. Interventions investigated walking for 19.4 (SD=25.9) weeks, at 24.6 (SD=9.7) minutes per session, and 3.2 (SD=1.7) sessions per week. Most interventions specified self-selected intensity. Meta-analyses of 13 studies indicated walking interventions provide a very small increase in first peak KAM (SMD=0.18), no effect on KAM impulse (SMD=-0.01), small increase in peak KFM (adjusted SMD=0.23), and small increase in gait speed (SMD=0.35). Meta-regressions revealed longer interventions were associated with increased KFM (β=0.02), and higher walking frequency with increased gait speed (β=0.37). No other parameters were associated with biomechanical outcomes. CONCLUSIONS: Walking interventions elicit minimal-to-no change in discrete biomechanical metrics of joint loading for individuals with mild-to-moderate knee osteoarthritis. Longer walking interventions or more frequent walking may provide additional functional benefit. These results may inform walking guidelines for knee osteoarthritis and predominantly support increased walking without detrimental effects to knee joint health.
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 | 0,017 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,033 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».