Exposure to Low Amounts of Ultrasound Energy Does Not Improve Soft Tissue Shoulder Pathology: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Although therapeutic ultrasound is commonly used to treat shoulder injuries, research to date on the ability of ultrasound to improve outcomes for shoulder pathologies is conflicting. OBJECTIVE: This study aimed to systematically and critically review available literature to ascertain whether beneficial effects of ultrasound were associated with certain shoulder pathologies or particular ultrasound treatment protocols. METHODS: Five electronic databases were searched, and the included studies, identified through pair consensus, were randomized controlled trials (RCTs) that utilized ultrasound for soft tissue shoulder injury or pain. STUDY SELECTION AND DATA EXTRACTION: Eight studies included in this review (n=586 patients, median PEDro score=8.0/10) evaluated various parameters, including the duration of patients' symptoms (0-12 months), duty cycle (20% and 100%), intensity (0.1-2.0 W/cm2), treatment time per session (4.5-15.8 minutes), number of treatments (6-39), and total energy applied per treatment (181-8,152 J). DATA SYNTHESIS: Inconsistent outcome measures among studies precluded meta-analysis; however, 3 RCTs showed statistically significant benefits of ultrasound, 2 of which examined calcific tendinitis. Studies that showed beneficial effects of ultrasound typically had 4 times longer total exposure times and applied much greater ultrasound energy per session (average of 4,228 J) compared with studies that showed no benefit of ultrasound (average of 2,019 J). No studies that delivered < or = 720 J per session showed improvement in treatment groups. LIMITATIONS: Current research involving ultrasound treatment protocols that delivered low levels of ultrasound energy do not adequately address whether ultrasound can improve outcomes for shoulder disorders. CONCLUSION: Determining whether therapeutic ultrasound can affect soft tissue shoulder pathologies will require further research and systematic reviews that involve appropriate ultrasound treatment protocols.
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 | 0,012 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».