摘要简介:足底筋膜炎是一种在久坐和运动人群中表现为中度至重度足跟疼痛的疾病,其危险因素包括肥胖、足过度内翻、过度跑步和长时间站立。诊断基于病史和体格检查。本文介绍了一名 54 岁男性患者的案例,该患者在尝试医学和阿育吠陀疗法失败后,使用瑜伽普拉纳维迪亚 (YPV) 治疗方案成功治愈。方法:本研究采用详细的案例研究,数据来自 YPV 治疗师和患者的医疗记录。结果:在治愈 10 天内,患者的疼痛减轻了约 40%。患者能够正常站立并在他的店里工作。治疗师每天继续进行 20 分钟的治疗。经过一个月的日常治疗,患者的病情完全康复。结论:YPV 提供综合和整体治疗方案,可作为补充和替代医学成功治疗许多疾病,例如这里介绍的案例。在 1 年零 3 个月后的随访中,患者完全恢复正常,工作正常。可以使用 YPV 能量治疗方案以及适当的方法和样本进行进一步研究。关键词:足跟痛、足底筋膜炎、Yoga Prana Vidya System®、YPV®
0102T 由医生执行的体外冲击波治疗,需要局部麻醉以外的麻醉,并涉及肱骨外上髁 28890 由医生执行的高能量体外冲击波治疗,需要
1 教育部老年营养与健康重点实验室,北京食品营养与人体健康高精尖创新中心,北京工商大学食品添加剂工程技术研究中心,100048 北京,中国 2 中央旁遮普大学科学与技术学院生物技术系,54590 拉合尔,巴基斯坦 3 拉合尔生物与应用科学大学生物科学学院生物技术系,53400 拉合尔,巴基斯坦 4 马拉坎德查克达拉大学生物技术系,18800 开伯尔-普赫图赫瓦省,巴基斯坦 5 乔伊布杜卡利大学科学学院 BIOMARE 实验室,24000 EL 杰迪代,摩洛哥 6 葡萄牙天主教大学,CBQF – 生物技术与化学中心 – 联合实验室,高等生物技术学院, 4169-005 Porto, Bulgaria 7 Department of Pharmacology and Toxicology, College of Pharmacy, King Saud University, 11451 Riyadh,沙特阿拉伯 *通讯作者:yangzhennai@163.com (Zhennai Yang); joao.rocha73@gmail.com (João Miguel Rocha)
摘要:足底压力在糖尿病和外周多神经病患者的足部溃疡发病机理中起着至关重要的作用。压力缓解是预防和治疗足底溃疡的关键要求。常规医学实践通常通过专用的鞋垫和特殊的鞋类实现这种行动。可以通过感测/估计当前状态(压力)来实现脚压力卸载的另一种技术(不在医疗实践中),并且一旦达到定义的阈值,就可以启用压力释放机制。尽管这些机制可以使足底压力监测和释放成为可能,但总体而言,它们使鞋子变得更加笨重,依赖和昂贵。在这项工作中,我们提出了一种被动和自身的替代方案,以将足底压力保持在定义的安全限制内。我们的方法基于使用永久磁铁的使用,利用其非线性场降低距离。所提出的解决方案无电子设备,是智能鞋开发的低成本替代品。设备的整体尺寸为13毫米,高度为30毫米。该设备允许阈值压力极限的可调节性超过20倍,这使得可以将极限预先设置为低至38 kPa且高至778 kPa,从而导致可调性在较大范围内。作为一种被动,可靠和低成本的替代方案,该提议的解决方案可能在智能鞋的开发中有用,以防止足部溃疡的发育。所提出的设备为卸载足底压力提供了替代方案,该压力没有动力进料要求。提出的研究为开发完整的卸载鞋提供了初步结果,该鞋子可能可用于预防/护理糖尿病患者的步道溃疡。
:脂肪垫的萎缩被认为是足底脚跟疼痛的主要原因之一。最近的研究表明,脂肪嫁接增加了脂肪垫的体积增加,并且对治疗踏板脂肪垫萎缩很有益。然而,由于脂肪衍生的干细胞浓度较低,传统的脂肪嫁接率很高。基质血管分数凝胶(SVF-凝胶)作为一种新型的脂肪嫁接,富含脂肪的干细胞,是通过简单的机械过程制备的。这项研究旨在评估SVF-GEL在治疗足底脚跟疼痛方面的功效。方法:在2019年1月至2020年6月之间,有14例经历了足底脚跟疼痛并接受足底脚跟SVF-GEL接枝的患者。脚痛和残疾在筛查访问时以及3月,6个月和12个月的随访访问中测量。通过磁共振成像测量脚跟脂肪垫的体积。结果:四名患者患有双侧足底脚跟疼痛,10例患者患有单侧足底脚跟疼痛。与基线相比,所有患者在SVF-GEL嫁接后3个月的疼痛和脚部功能显着改善,在6个月时的改善最大,效果持续1年或更长时间。此外,脚跟脂肪垫的厚度明显大于3个月的基线,效果持续了1年或更长时间。结论:基质血管分数凝胶嫁接是一种安全,微创和有效治疗足底脚跟疼痛的方法。
摘要:为生物医学问题开发现代解决方案(例如人类康复步态的预测)中的人工智能(AI)正在发展。试图通过安装在单孔上的FIL BRAGG光栅(FBG)传感器,与脑部计算机界面(BCI)设备同时使用足底压力信息,以预测与人的坐着,站立和行走姿势相对应的大脑信号。的姿势分类范围。这些型号用于识别从16通道BCI设备的四个用户的坐,站立和步行活动响应的电极。基于10–20脑电图系统(EEG)的六个电极位置被鉴定为对足底活性最敏感的位置,并发现与脚步运动过程中感觉运动皮层的临床研究一致。与均值最低的FBG数据相对应的大脑脑电图(MSE)值(0.065–0.109)是通过选择长期术语记忆(LSTM)机器学习模型进行的,与复发性神经网络(RNN)和门控复发单元(GRU)模型相比,进行了。