Factors related to physical therapy management in patients with knee osteoarthritis
Notice bibliographique
Résumé
Background: Most physical therapists in developed countries use evidence-based physical therapy for patients with knee osteoarthritis (OA). Conversely, little is known concerning treatment used by Thai physical therapists (PTs) in such patients. Objective: To study the relationship among characteristics of PTs, patients with knee OA, and type of physical therapy treatments. Methods: This survey applied three sets of questionnaires to collect data. Questionnaire Set-A collected PTs’ information and experience in treating knee OA. Questionnaires Set-B collected patients’ information regarding history of knee OA, pain, disability, and function (using pain scale and the modified Thai version of the Western Ontario and McMaster Universities Arthritis Index (Thai-WOMAC). Questionnaire Set-C collected data on the treatment methods provided to each patient. Result: Seventy-six PTs working in the 40 secondary care hospitals across Eastern Thailand, and 267 patients with knee OA participated in this study. Exercise (93.63%) was the most common treatment used. Most PTs applied a combination of techniques to relieve pain and improve knee function. The exercise was associated with the total modified WOMAC score and the patient’s BMI (p<0.05). Conclusion: Most Thai PTs using exercise for treating knee OA that was consistent with the clinical guidelines. Some patient characteristics influenced the PTs’ selection of treatment including age, BMI, pain, stiffness, and functions of patients. Moreover, PTs’ increased skill.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».