Bibliographic record
Abstract
Amaç: Bu çalışmanın amacı, yoganın, kronik bel ağrısı olan hastalarda ağrı düzeyi, bel engellilik düzeyi ve yaşam kalitesi üzerine etkisini değerlendirmektir. Gereç: Kesitsel olarak planlanan bu çalışmada, kronik bel ağrısı tanısı alan bireylerde yoga öncesi ve sonrasında ağrı için Vizüel Analog Skala skorlaması, bel engellilik düzeyi için Quebec Bel Ağrısı Engellilik İndeksi, yaşam kalitesinin değerlendirilmesi için Kısa Form SF-36 kullanılmıştır. Bulgular: Yoga sonrası Vizüel Analog Skala ve Quebec Bel Ağrısı Engellilik İndeksi değerlerinde istatistiksel olarak anlamlı derecede bir azalış gözlemlenirken, Kısa Form SF-36 toplam değerlerinde ise, istatistiksel olarak anlamlı derecede bir artış tespit edilmiştir. SF-36’nın tüm alt gruplarında da istatistiksel olarak anlamlı derecede bir artış bulunmuştur. Sonuç: Bu çalışmada yoganın, kronik bel ağrısı olan bireylerde ağrıyı ve bel engelliliğini azaltabileceği, bireylerin yaşam kalitesini ise artırabileceğini göstermesi açısından önemlidir. Bu etkilerini, kas gerginliğini ve stresi azaltarak ve omurga postürüne katkı sağlayarak gerçekleştirdiği düşünülmektedir. Bu yönüyle yoga tek başına veya medikal tedavi ve fizik tedaviye rağmen kronik bel ağrısı devam eden hastalarda tedaviye ek bir seçenek olarak düşünülebilir.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 0.005 |
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".