RANDOMIZED TRIAL COMPARING AI-TAILORED HOME PHYSIOTHERAPY VERSUS CLINIC-BASED REHAB IN KNEE OSTEOARTHRITIS
Notice bibliographique
Résumé
Background: Knee osteoarthritis (OA) is a prevalent degenerative joint condition and a leading cause of pain and disability worldwide. While physiotherapy is a cornerstone of non-surgical OA management, barriers to accessing clinic-based care often reduce adherence and limit outcomes. Technological innovations such as artificial intelligence (AI) offer a novel solution for delivering personalized, home-based rehabilitation. Objective: To compare the effectiveness of AI-tailored home physiotherapy with traditional clinic-based rehabilitation in improving function, reducing pain, and enhancing satisfaction among patients with knee OA. Methods: A 12-month, single-blind randomized controlled trial was conducted in Lahore, Pakistan, with 144 participants aged 45–70 years diagnosed with grade II–III knee OA. Participants were randomly assigned to either an AI-driven home physiotherapy group or a standard clinic-based rehabilitation group (n = 72 per group). Outcomes were measured at baseline, 6 weeks, and 12 weeks using the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC), Visual Analog Scale (VAS) for pain, Timed Up and Go (TUG) test, and patient satisfaction ratings. Statistical analyses included repeated-measures ANOVA and independent t-tests with significance set at p < 0.05. Results: Participants in the AI group showed significantly greater improvements in WOMAC scores (58.6 ± 6.9 to 29.5 ± 6.2) and VAS scores (7.2 ± 1.0 to 3.1 ± 1.1) compared to the clinic group (p < 0.01). TUG test times and patient satisfaction ratings also favored the AI intervention. No adverse events were reported. Conclusion: AI-tailored home physiotherapy is a clinically effective and patient-preferred alternative to conventional rehabilitation for knee OA, offering scalable benefits for enhancing access and outcomes in musculoskeletal care.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».