MétaCan
Menu
Retour à la cohorte
Enregistrement W4417152881 · doi:10.3822/ijtmb.v18i4.1221

A Case Report and Follow-up Study on Myofascial Release of Posterior Chain Muscles for Chronic Sinus Headache

2025· article· en· W4417152881 sur OpenAlexvenueno aff
G Nithisha, Peeyoosha Gurudut, Aarti Welling, Vijay Kage

Notice bibliographique

RevueInternational Journal of Therapeutic Massage & Bodywork Research Education & Practice · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSinusitis and nasal conditions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSinus (botany)Chain (unit)Myofascial pain syndromeMyofascial releaseClinical Practice

Résumé

récupéré en direct d'OpenAlex

Background: Sinus headaches often cause severe discomfort and significantly reduce quality of life (QOL). Sinus headache is associated with posterior chain tightness. Myofascial release (MFR) is primarily said to provide benefits like reduced pain, enhanced range of motion and flexibility, and improved QOL. Along with medical management, physiotherapy management acts as a promising complementary therapy. Previous studies, including manual therapy and electrotherapeutic modalities, have been successful in treating sinusitis. Purpose: To determine the effect of MFR on treating sinus headaches, particularly its novel application with the manual drainage technique for posterior chain muscles in sinus headache, has not been explored. Methods: The present case report explores the effect of the release of posterior chain muscles with the manual drainage technique in a 40-year-old female with chronic sinus headache. Results: The patient showed major improvements in headache intensity, frequency, and enhanced QOL. Conclusion: These findings suggest that posterior chain MFR with the manual drainage technique can effectively manage sinus headaches. Further research is needed to validate the findings of this case study, including clinical and controlled trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0050,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,482
Écart entre enseignants0,392 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Therapeutic Massage & Bodywork Research Education & PracticeMême sujetSinusitis and nasal conditionsTravaux en français237 207