A Meta‐analysis of the Incidence of Anterior Cruciate Ligament Tears as a Function of Gender, Sport, and a Knee Injury–Reduction Regimen
Notice bibliographique
Résumé
PURPOSE: The literature has shown that anterior cruciate ligament (ACL) tear rates vary by gender, by sport, and in response to injury-reduction training programs. However, there is no consensus as to the magnitudes of these tear rates or their variations as a function of these variables. For example, the female-male ACL tear ratio has been reported to be as high as 9:1. Our purpose was to apply meta-analysis to the entire applicable literature to generate accurate estimates of the true incidences of ACL tear as a function of gender, sport, and injury-reduction training. METHODS: A PubMed literature search was done to identify all studies dealing with ACL tear incidence. Bibliographic cross-referencing was done to identify additional articles. Meta-analytic principles were applied to generate ACL incidences as a function of gender, sport, and prior injury-reduction training. RESULTS: Female-male ACL tear incidences ratios were as follows: basketball, 3.5; soccer, 2.67; lacrosse, 1.18; and Alpine skiing, 1.0. The collegiate soccer tear rate was 0.32 for female subjects and 0.12 for male subjects. For basketball, the rates were 0.29 and 0.08, respectively. The rate for recreational Alpine skiers was 0.63, and that for experts was 0.03, with no gender variance. The two volleyball studies had no ACL tears. Training reduced the ACL tear incidence in soccer by 0.24 but did not reduce it at all in basketball. CONCLUSIONS: Female subjects had a roughly 3 times greater incidence of ACL tears in soccer and basketball versus male subjects. Injury-reduction programs were effective for soccer but not basketball. Recreational Alpine skiers had the highest incidences of ACL tear, whereas expert Alpine skiers had the lowest incidences. Volleyball may in fact be a low-risk sport rather than a high-risk sport. Alpine skiers and lacrosse players had no gender difference for ACL tear rate. Year-round female athletes who play soccer and basketball have an ACL tear rate of approximately 5%. LEVEL OF EVIDENCE: Level IV, therapeutic case series.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,049 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».