Athletic groin pain: a systematic review of surgical diagnoses, investigations and treatment
Notice bibliographique
Résumé
INTRODUCTION: Athletic groin pain requiring surgery remains a diagnostic and therapeutic challenge. This systematic review aims to identify the most common causes of groin pain in athletes requiring surgery. Additionally, it aims to further characterise their susceptible athlete profiles, common physical examination and imaging techniques, and surgical procedures performed. This will enable the orthopaedic sports medicine clinician/surgeon to best treat these patients. MATERIALS AND METHODS: The electronic databases MEDLINE, PubMed and EMBASE were searched from database inception to 13 August 2014 for studies in the English language that addressed athletic groin pain necessitating surgery. The search was updated on 4 August 2015 to find any articles published after the original search. The studies were systematically screened and data were abstracted in duplicate, with descriptive data presented. RESULTS: A total of 73 articles were included within our study, with data from 4655 patients abstracted. Overall, intra-articular and extra-articular causes of groin pain in athletes requiring surgery were equal. The top five causes for pain were: femoroacetabular impingement (FAI) (32%), athletic pubalgia (24%), adductor-related pathology (12%), inguinal pathology (10%) and labral pathology (5%), with 35% of this labral pathology specifically attributed to FAI. CONCLUSIONS: Given the complex anatomy, equal intra-articular and extra-articular contribution, and potential for overlap of clinical entities causing groin pain leading to surgery in athletes, further studies are required to ascertain the finer details regarding specific exam manoeuvres, imaging views and surgical outcomes to best treat this patient population.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| 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) | 0,001 | 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 ».