The effect of open kinetic chain and closed kinetic chain exercises on dynamic balance and health status in elderly patients with osteoarthritis
Notice bibliographique
Résumé
Background: Knee osteoarthritis is one of the most common musculoskeletal problems in the elderly, characterized by pain, stiffness, and decreased joint function, all of which negatively affect quality of life. Objective: To examine the effect of CKC and OKC exercises on dynamic balance and health status among elderly patients with knee osteoarthritis. Methods: This study employed a quasi-experimental design with a pretest-posttest two-group approach. The sample consisted of 30 elderly individuals aged ≥60 years with a medical diagnosis of knee osteoarthritis, selected using purposive sampling. Respondents were divided into two groups: 15 participants performed CKC exercises and 15 participants performed OKC exercises for two weeks with a frequency of three sessions per week. The Western Ontario and McMaster Osteoarthritis Index (WOMAC) was used to assess health status, and the Time Up and Go Test (TUG) was used to assess dynamic balance. Data were analyzed using paired t-tests with SPSS software. Results: There was a significant reduction in WOMAC scores in both the CKC group (38.47 ± 8.16 to 32.60 ± 9.43; p < 0.001) and the OKC group (37.53 ± 7.97 to 34.40 ± 8.40; p < 0.001). TUG performance also improved significantly in the CKC group (12.80 ± 1.08 to 11.20 ± 1.47; p < 0.001) and the OKC group (12.80 ± 1.21 to 11.27 ± 1.28; p < 0.001). Overall, improvements in health status were greater in the CKC group compared to the OKC group. Conclusion: Both CKC and OKC exercises are effective in improving dynamic balance and health status among elderly patients with knee osteoarthritis. CKC exercises tend to provide greater benefits in overall functional improvement.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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 ».