Effectiveness of a neuromuscular exercise program conducted with a physiotherapist in individuals with degenerative meniscal tears
Notice bibliographique
Résumé
BackgroundDegenerative meniscal tears are common, causing knee pain, functional limitations, and reduced quality of life. Effective treatment is essential to restore daily functionality. This study evaluated the impact of a neuromuscular exercise program on individuals with degenerative meniscal tears.Materials and MethodsFifty patients (ages 20-65) with degenerative meniscal tears were randomly divided into two groups. Group 1 participated in a physiotherapist-guided neuromuscular exercise program, while Group 2 performed a home exercise program. Both groups underwent treatment three times a week for six weeks. Effectiveness was assessed using the Tegner Activity Level Scale, Knee Injury and Osteoarthritis Outcome Score - Physical Function Short Form (KOOS-PS), Western Ontario Meniscal Evaluation Tool (WOMET), pain assessment, and jump performance before and after treatment.ResultsBoth groups showed significant improvements. However, Group 1 improved WOMET General Calculation, Night Pain, and KOOS-PS Symptoms (p < 0.001). Neuromuscular exercises with physiotherapist support yielded superior outcomes compared to the home program. Significant changes were observed in parameters such as "Pain Activity" and "Pain Rest" (p < 0.001) in both groups, with notable improvements in Group 1. WOMET tests also showed significant gains for Group 1 (p < 0.001) and Group 2 (p < 0.001).ConclusionPhysiotherapist-supervised neuromuscular exercise programs significantly improved pain, knee function, and quality of life in individuals with degenerative meniscal tears. The findings underscore the added value of professional supervision in maximizing clinical 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».