MétaCan
Menu
Retour à la cohorte
Enregistrement W757333036

Effects of Aroma Massage on Pain, Activities of Daily Living and Fatigue in Patients with Knee Osteoarthritis

2009· article· en· W757333036 sur OpenAlexaboutno aff
In-Ja Kim, Eun-Kyung Kim

Notice bibliographique

RevueThe Journal of Muscle and Joint Health · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare and Venom Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMassageOsteoarthritisPhysical therapyMedicineActivities of daily livingWOMACAromaRating scalePhysical medicine and rehabilitationPsychologyAlternative medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Purpose: The effects of aroma massage on pain, activities of daily living, and fatigue were investigated in the patients who have knee osteoarthritis. Method: A quasi-experimental design with non-equivalent control group pretest-posttest measures was used. Twenty one and twenty subjects were included in control and experimental group, respectively. Subjects in experimental group had aroma massage which used lavender, chamomile, and ginger oil on painful knee. They were encouraged to implement aroma massage at least two times a day for 2 weeks. Subjects in the control group had conventional oil massage implementing by exactly same method as did in the experimental group. GRS(graphic rating scale), Korean version of WOMAC (Western Ontario and McMaster) osteoarthritis index, and MAF(multidimensional assessment of fatigue) were used to measure the outcome variables such as pain, activities of daily living and fatigue, respectively. Results: After 2 weeks, those in the experimental group reported significantly less pain and fatigue and better activities of daily living than those in the control group. Conclusion: Based on these results, aroma massage could be recommended as a self managed intervention for the 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 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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,021
Tête enseignante GPT0,290
Écart entre enseignants0,269 · 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'étudeEssai non randomisé
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

Citations13
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Muscle and Joint HealthMême sujetHealthcare and Venom ResearchTravaux en français237 207