Computer Use Associated With Poor Long-Term Prognosis of Conservatively Managed Lateral Epicondylalgia
Notice bibliographique
Résumé
STUDY DESIGN: Multicenter prospective design with a cohort of patients with lateral epicondylalgia commencing physical therapy. OBJECTIVE: To identify key factors associated with long-term prognosis of conservatively managed lateral epicondylalgia. BACKGROUND: The response to conservative management of lateral epicondylalgia is inconsistent and the rate of recovery varies widely among individuals. The reasons for these discrepancies are not understood. The identification of factors associated with prognosis will aid in the prediction of patient outcomes. METHODS AND MEASURES: Sixty patients with lateral epicondylalgia, recruited from 9 sports medicine clinics and 2 hospital outpatient physical therapy departments in Ontario, Canada, were followed for 6 months. A baseline clinical assessment was conducted on each participant using standard physical therapy techniques. The Disabilities of the Arm, Shoulder and Hand (DASH) questionnaire and a 100-mm pain visual analog scale (VAS) were completed at baseline and 6 months later. RESULTS: The key factor associated with both 6-month DASH and pain VAS scores was repetitive-work tasks (DASH, 9.8 [P < .011; pain VAS, 13.1 mm [P = .0105]). A subanalysis indicated that women were more likely than men to have cervical joint signs and, among women, positive cervical articular signs were also associated with higher final DASH and pain VAS scores. CONCLUSIONS: Although many of the participants identified sports activities as the cause of their injury, these findings emphasize the importance that a patient's work tasks can have on recovery of lateral epicondylalgia. This would suggest that management should perhaps focus on work stations, postures, and behaviors.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».