Are Passive Physical Modalities Effective for the Management of Common Soft Tissue Injuries of the Elbow?
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of passive physical modalities for the management of soft tissue injuries of the elbow. METHODS: We systematically searched MEDLINE, EMBASE, CINAHL, PsycINFO, and Cochrane Central Register of Controlled Trials from 1990 to 2015. Studies meeting our selection criteria were eligible for critical appraisal. Random pairs of independent reviewers critically appraised eligible studies using the Scottish Intercollegiate Guidelines Network criteria. We included studies with a low risk of bias in our best evidence synthesis. RESULTS: We screened 6618 articles; 21 were eligible for critical appraisal and 9 (reporting on 8 randomized controlled trials) had a low risk of bias. All randomized controlled trials with a low risk of bias focused on lateral epicondylitis. We found that adding transcutaneous electrical nerve stimulation to primary care does not improve the outcome of patients with lateral epicondylitis. We found inconclusive evidence for the effectiveness of: (1) an elbow brace for managing lateral epicondylitis of variable duration; and (2) shockwave therapy or low-level laser therapy for persistent lateral epicondylitis. DISCUSSION: Our review suggests that transcutaneous electrical nerve stimulation provides no added benefit to patients with lateral epicondylitis. The effectiveness of an elbow brace, shockwave therapy, or low-level laser therapy for the treatment of lateral epicondylitis is inconclusive. We found little evidence to inform the use of passive physical modalities for the management of elbow soft tissue injuries.
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 | 0,001 | 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 ».