A lumbális gerinc lokális stabilizátorainak vizsgálata és kezelése nem specifikus derékfájdalom esetén
Bibliographic record
Abstract
Bevezetés és célkitűzés: A nem specifikus derékfájdalom hátterében a gerinc lokális stabilizáló izomzatának – mint a Musculus transversus abdominis (TrA) és a multifidi (MF) – funkciózavara áll. Vizsgálatunkban felmértük a lokális stabilizátorok szelektív feszítési képességét és fejleszthetőségét derékfájdalommal küzdő betegek körében. Módszerek: Tíz önkéntest vizsgáltunk (7 nő, 3 férfi, átlagéletkor: 25,1 ± 1év). A deréktáji panaszokat az Oswestry-kérdőívvel, Roland–Morris-indexszel, és Quebec Back Pain Disability kérdőívvel, illetve Visual Analóg Skálával mértük fel. A szelektív feszítés vizsgálata és tanítása során felületes EMG-vel és ultrahanggal kontrolláltuk a TrA és az MF működését. Vizsgáltuk a testtömegközéppont kitérését, amelyet NeuroCom Basic Balance Masterrel rögzítettünk, a tréningprogram előtt és után. Eredmények: Alanyaink a derékfájdalomra vonatkozó kérdőív eredményei alapján a közepes károsodás kategóriájába tartoztak, a tréningprogramot megelőzően nem voltak képesek a TrA és az MF szelektív megfeszítésére. A kontrollált feszítés elsajátítása és gyakorlása után képesek voltak a lokális stabilizátorokat szelektíven megfeszíteni, a statikus egyensúlyi paramétereik javultak, fájdalmuk csökkent. Következtetés: Kutatásunk eredményei alátámasztották, hogy a TrA és az MF szelektív feszítése egy jól elsajátítható módszer, továbbá, hogy a szelektív feszítésük tanítása és gyakorlása – a többi lokális stabilizáló izom funkciójának helyreállítása mellett – a nem specifikus derékfájdalmak terápiájának alapját képezi.
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 | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.076 | 0.017 |
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".