MétaCan
Menu
Retour à la cohorte
Enregistrement W1583403366 · doi:10.1002/jor.22391

Repetitive differential finger motion increases shear strain between the flexor tendon and subsynovial connective tissue

2013· article· en· W1583403366 sur OpenAlexafffund
Jimmy Tat, Aaron M. Kociolek, Peter J. Keir

Notice bibliographique

RevueJournal of Orthopaedic Research® · 2013
Typearticle
Langueen
DomaineMedicine
ThématiquePeripheral Nerve Disorders
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTendonMedicineCarpal tunnel syndromeCarpal tunnelAnatomyRange of motionConnective tissueIndex fingerStrain (injury)SurgeryPathology

Résumé

récupéré en direct d'OpenAlex

Non-inflammatory fibrosis and thickening of the subsynovial connective tissue (SSCT) are characteristic in carpal tunnel syndrome (CTS) patients. These pathological changes have been linked to repetitive hand tasks that create shear forces between the flexor tendons and SSCT. We measured the relative motion of the flexor digitorum superficialis tendon and SSCT during two repetitive finger tasks using color Doppler ultrasound. Twelve participants performed flexion-extension cycles for 30 min with the long finger alone (differential movement) and with all four fingers together (concurrent movement). Shear strain index (SSI, a relative measure of excursion in flexion and extension) and maximum velocity ratio (MVR, the ratio of SSCT versus tendon during flexion and extension) were used to represent shear. A linear effect of exertion time was significant and corresponded with larger tendon shear in differential motion. The flexion SSI increased 20.4% from the first to the 30th minute, while MVR decreased 8.9% in flexion and 8.7% in extension. No significant changes were found during concurrent motion. These results suggest that exposure to repetitive differential finger tasks may increase the risk of shear injury in the carpal tunnel.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

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 Opus0,046
Tête enseignante GPT0,354
Écart entre enseignants0,308 · 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'étudeObservationnel
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

Citations30
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopaedic Research®Même sujetPeripheral Nerve DisordersTravaux en français237 207