Weight Bearing Versus Non-Weight Bearing Exercises for Patients with Knee Osteoarthritis
Notice bibliographique
Résumé
Background: The most prevalent progressive musculoskeletal disorder that can impact joints is osteoarthritis (OA). Knee biomechanics is significantly impacted by periarticular muscle weakening. Exercises involving weight bearing have been demonstrated to improve lower extremity neuromuscular control and muscle strength. However, non-weight-bearing workouts increase knee stability and may lessen discomfort. Objective: the study was conducted to investigate the effects of weight bearing exercises and non-weight bearing exercises on patients with mild to moderate knee osteoarthritis (KOA). Methods: Thirty-six patients with KOA. Age of patients ranges from 50 – 60 years old. The Western Ontario and McMaster Universities (WOMAC) questionnaire in Arabic was used to measure the results of osteoarthritis, and the Handheld Dynamometer (HHD) was used to measure the strength of the knee extensor and abductor, pain intensity was measured by Visual Analogue Scale (VAS), physical capacity was measured by 6-minute walk test (6MWT). They were randomized into two groups,Group I (non-weight bearing exercises) while Group II (weight bearing). Results: Both the weight-bearing and the non-weight-bearing exercise groups experienced a considerable decline in WOMAC and VAS, with no statistically significant difference between the two groups. Both groups showed a significant gain in muscle strength and 6MWT, with no statistically significant difference between the two groups. Conclusion: Both weight bearing and non-weight bearing exercises groups showed significant improvements within their respective interventions, no statistically significant difference was found between the two approaches in terms of decreasing pain, function, and increasing muscle strength in patients with knee osteoarthritis.
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 ».