MétaCan
Menu
Retour à la cohorte
Enregistrement W2529574856 · doi:10.1007/s00167-016-4346-0

Assessment of demographic and pathoanatomic risk factors in recurrent patellofemoral instability

2016· article· en· W2529574856 sur OpenAlexaff
Laurie A. Hiemstra, Sarah Kerslake, Mark R. Lafave

Notice bibliographique

RevueKnee Surgery Sports Traumatology Arthroscopy · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensMount Royal UniversityBanff CentreUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPatellaMedicineDemographicsPopulationPhysical therapyOrthodonticsDemography

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The WARPS/STAID classification employs clinical assessment of presenting features and anatomic characteristics to identify two distinct subsets of patients within the patellofemoral instability population. The purpose of this study was to further define the specific demographics and the prevalence of risky pathoanatomies in patients classified as either WARPS or STAID presenting with recurrent patellofemoral instability. A secondary purpose was to further validate the WARPS/STAID classification with the Banff Patella Instability Instrument (BPII), the Marx activity scale and the Patellar Instability Severity Score (ISS). METHODS: A convenience sample of 50 patients with recurrent patellofemoral instability, including 25 WARPS and 25 STAID subtype patients, were assessed. Clinical data were collected including assessment of demographic risk factors (sex, BMI, bilaterality of symptoms, affected limb side and age at first dislocation) and pathoanatomic risk factors (TT-TG distance, patella height, patellar tilt, grade of trochlear dysplasia, Beighton score and rotational abnormalities of the tibia or femur). Patients completed the BPII and the Marx activity scale. The ISS was calculated from the clinical assessment data. Patients were stratified into the WARPS or STAID subtypes for comparative analysis. An independent t test was used to compare demographics, the pathoanatomic risk factors and subjective measures between the groups. Convergent validity was tested with a Pearson r correlation coefficient between the WARPS/STAID and ISS scores. RESULTS: Demographic risk factors statistically associated with a WARPS subtype included female sex, age at first dislocation and bilaterality. Pathoanatomic risk factors statistically associated with a WARPS subtype included trochlear dysplasia, TT-TG distance, generalized ligamentous laxity, patellar tilt and rotational abnormalities. The independent t test revealed a significant difference between the ISS scores: WARPS subtype (M = 4.4, SD = 1.1) and STAID subtype (M = 2.5, SD = 1.5); t(48) = 5.2, p < 0.001. The relationship between the WARPS/STAID and the ISS scores, measured using a Pearson r correlation coefficient, demonstrated a strong relationship: r = -0.61, n = 50, p < 0.001. CONCLUSIONS: This study has demonstrated statistically significant evidence that certain demographics and pathoanatomies are more prevalent in each of the WARPS and STAID patellofemoral instability subtypes. There was no difference in quality-of-life or activity level between the subtypes. The WARPS/STAID score demonstrated convergent validity to the ISS and divergent validity to the BPII score and the Marx activity scale. This study has further validated both the WARPS/STAID classification and the ISS of patients that present with recurrent patellofemoral instability. LEVEL OF EVIDENCE: III.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,236
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnee Surgery Sports Traumatology ArthroscopyMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207