The effects of laser therapy on pain, functionality and biomechanical parameters in patients suffering from gonarthrosis: an observational study.
Notice bibliographique
Résumé
Background: Knee osteoarthritis (KOA) consists of a heterogeneous pathology of the peripheral joints, characterized by a complex, multifactorial nature and with multiple risk factors. The aim of this study was to evaluate the effects of laser therapy on pain and biomechanical parameters in patients with KOA. Methods: A retrospective study was carried out for patients with KOA (I-II Kellgren-Lawrence). All patients underwent 10 sessions of Laser therapy (three/week). Patients were evaluated at T0 and 22 days later-T1. At T0, before the treatment and at T1 pain (Visual Analogue Scale-VAS), symptoms (Knee Injury and Osteoarthritis Outcome Score-KOOS and Western Ontario and McMaster Universities Osteoarthritis Index-WOMAC) and instrumental assessment (gait analysis) were assessed. Results: Twelve patients were included. A significant difference was found in all three scales between T0-T1, VAS decreased by three points (p=0.002), KOOS increased by fifteen points (p=0.008) and WOMAC decreased by 8.5 (p=0.003). For gait analysis parameters, we detected a significant decrease in stance duration (p=0.04), a marked increase in speed normalized to height (p=0.01), an increase in knee ROM (p=0.01) and an increase in maximum knee moment (p=0.02). Conclusions: Laser therapy is an effective intervention in the management of KOA. Our study showed that laser therapy is effective in relieving pain and improving symptoms as well as gait parameters.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».