MétaCan
Menu
Retour à la cohorte
Enregistrement W7066005395

Effect of Muscle Energy Technique Combined with Conventional Rehabilitation Therapy on Elderly Patients with Knee Osteoarthritis

2023· article· en· W7066005395 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRehabilitationOsteoarthritisKnee JointTreatment and control groupsJoint stiffnessMuscle strengthExercise therapyManual therapy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ObjectiveTo observe the effect of muscle energy technique combined with conventional rehabilitation therapy on elderly patients with knee osteoarthritis (KOA) .MethodsA total of 84 patients with KOA in the rehabilitation medicine department of Shanghai Sixth People's Hospital from February 2021 to August 2022 were randomly divided into control group and observation group according to the random number sequence generated by SPSS 22.0 statistical software, with 42 cases in each group. During the course of treatment, two cases in the control group dropped due to the patient's voluntary request, a total of 82 cases were finally included, including 40 cases in the control group and 42 cases in the observation group. Both groups received conventional rehabilitation therapy (power bicycle and physical factor therapy), including power bicycle training for 20 min a time, and physical factor therapy such as dynamic interferential electricity and ultrashort wave therapy for 30 min a time (15 min a time for each item), once a day, five days a week, lasting for four weeks. The observation group received muscle energy technique treatment on the basis of the control group, 30 minutes a time, once a day, five days a week, lasting for four weeks. Before treatment, after treatment for four weeks and after treatment for six months, the Western Ontario and Manchester University Osteoarthritis Indexes (WOMAC) was used to evaluate the degree of joint pain, joint stiffness and activities of daily living of patients with KOA. Before treatment and after treatment for four weeks, a joint angle measuring ruler was used to evaluate the range of motion (ROM) of the knee joint; the isokinetic muscle strength test and training system was used to evaluate quadriceps femoris muscle strength [quadriceps femoris peak torque (PT), quadriceps femoris peak torque to body weight ratio (PT/BW)].Results① WOMAC score: compared with that before treatment, the WOMAC joint pain, joint stiffness, activity of daily living score and total WOMAC score of the two groups decreased significantly after treatment for four weeks and after treatment six months (P<0.05). Compared with the control group at the same time, the WOMAC joint pain, joint stiffness, activity of daily living score and total WOMAC score in the observation group were significantly lower after treatment for four weeks and after treatment six months (P<0.05). ② ROM, PT and PT/BW: Compared with that before treatment, ROM, PT and PT/BW of both groups were significantly higher after treatment for four weeks (P<0.05). Compared with the control group, ROM, PT and PT/BW in the observation group were significantly higher after treatment for four weeks, the difference was statistically significant (P<0.05).ConclusionMuscle energy technique combined with conventional rehabilitation therapy can effectively relieve the pain and stiffness of knee joint of patients with KOA, and improve the range of motion of knee joint and quadriceps muscle strength, which is worthy of clinical application.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,410
Écart entre enseignants0,370 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetParticle Detector Development and PerformanceTravaux en français237 207