BENİGN EKLEM HİPERMOBİLİTE SENDROMU OLAN VE OLMAYAN KADINLARDA GÖVDE KAS ENDURANSI VE DENGE SKORLARININ KARŞILAŞTIRILMASI
Bibliographic record
Abstract
Amaç: Benign Eklem Hipermobilite Sendromu (BEHS) olan ve olmayan genç kadınlarda gövde kas enduransı ve denge skorlarını karşılaştırmaktı. Yöntem: BEHS’i olan 36 (BEHS grup, yaş: 20,50±1,82 yıl, vücut kütle indeksi: 21,79±52,11 kg/m 2 ) ve olmayan benzer özellikteki 30 kadın (Kontrol grubu, yaş: 21,30±1,55 yıl, vücut kütle indeksi: 21,69±2,17 kg/m 2 ) bu çalışmaya dahil edildi. BEHS Brighton kriterleri ile; gövde kas enduransı McGill’in gövde kas endurans testleri ile (gövde fleksör, sırt ekstansör, lateral gövde kasları) ve denge, Biodex Denge Sistemi SD ile statik ve dinamik, gözler açık ve kapalı olarak değerlendirildi. Sonuçlar: BEHS grubunda kontrol grubuna göre gövde fleksör, sırt ekstansör ve lateral gövde kaslarının enduransı (p<0,05), dinamik gözler açık, statik ve dinamik gözler kapalı denge skorları düşük bulundu (p<0,05). Statik gözler açık denge skorlarında fark bulunmadı (p>0,05). Tartışma: BEHS’i olan kadınların gövde fleksör, ekstansör ve lateral kas enduransında ve dengede yetersizlik görüldü. BEH’li kadınlarda bu yetersizliklerin farkında olup, koruyucu egzersiz programlarının önerilmesi uygun olabilir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".