MétaCan
Menu
Retour à la cohorte
Enregistrement W2602558181 · doi:10.1177/1558944717701242

Do Impairments Predict Hand Dexterity After Distal Radius Fractures? A 6-Month Prospective Cohort Study

2017· article· en· W2602558181 sur OpenAlexafffund
Pavlos Bobos, Emily Lalone, Ruby Grewal, Joy C. MacDermid

Notice bibliographique

RevueHand · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopedic Surgery and Rehabilitation
Établissements canadiensSt Joseph's Health CareHand and Upper Limb ClinicSt Joseph's Health CentreWestern University
Organismes subventionnairesInstitute of Gender and HealthCanadian Institutes of Health ResearchWestern University
Mots-clésMedicineProspective cohort studyPhysical medicine and rehabilitationCohort studyCohortDistal radius fracturePhysical therapyWristSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The relationship of routinely measured grip and motion measures may be related to hand dexterity. This has not yet been thoroughly examined following a distal radius fracture (DRF). The purpose of this study was to investigate if impairments in range of motion (ROM) and grip strength predict hand dexterity 6 months following a DRF. METHODS: Patients with DRFs were recruited from a specialized hand clinic. Hand grip was assessed with a J-Tech dynamometer; ROM was measured using standard landmarks and a manual goniometer. Multiple regression analyses were performed to identify whether potential predictors (grip, ROM, age, hand dominance, and sex) were associated with 3-month or 6-month outcomes in large- and small-object subtests of the NK dexterity test in the affected hand. RESULTS: Age, sex, and arc motion for radial-ulnar deviation were significant predictors of large-object hand dexterity explaining the 23% of the variation. For small-object hand dexterity, age and flexion-extension arc motion were significant predictors explaining 11% of the variation at 3 month after the fracture (n = 391). At 6 months post injury (n = 319), grip strength, arc motion for flexion-extension, and age were found to be significant predictors of large-object dexterity explaining 34% of the variance. For the small objects, age, grip strength, sex, and arc motion of radial-ulnar deviation explained 25% of the variation. CONCLUSIONS: Although this confirms that the impairments in ROM and grip that occur after a DRF can explain almost one-third of the variation in hand dexterity, it also suggests the need for dexterity testing to provide more accurate assessment.

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)0,003
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,008
Tête enseignante GPT0,292
Écart entre enseignants0,285 · 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

Citations15
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHandMême sujetOrthopedic Surgery and RehabilitationTravaux en français237 207