MétaCan
Menu
Retour à la cohorte
Enregistrement W2769773000 · doi:10.1016/j.jses.2017.09.001

The effect of lipid levels on patient-reported outcomes in patients with rotator cuff tears

2017· article· en· W2769773000 sur OpenAlexaboutno aff
Jianyu Lai, Christopher Robbins, Bruce S. Miller, Joel Gagnier

Notice bibliographique

RevueJSES Open Access · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of MichiganVanderbilt University
Mots-clésMedicineRotator cuffVisual analogue scaleDyslipidemiaPhysical therapyElbowInternal medicineTearsPatient satisfactionSurgery

Résumé

récupéré en direct d'OpenAlex

BackgroundLipid disorders could be associated with the prevalence and outcomes of rotator cuff diseases. This study aimed to learn how levels of various types of lipids influence the patient-reported outcomes of patients with rotator cuff tears (RCTs).MethodsData from a cohort study of 135 patients with RCTs were used. The outcome measures included Western Ontario Rotator Cuff (WORC) index, American Shoulder and Elbow Surgeons (ASES) standardized shoulder assessment form, Single Assessment Numeric Evaluation, visual analog scale for pain and satisfaction, and Veterans RAND 12-Item Health Survey (VR-12). Multivariable random-effects models were built to examine how total cholesterol, triglycerides, high-density lipoprotein (HDL), low-density lipoprotein, and ratio of total cholesterol to HDL influence each outcome, controlling for covariates.ResultsAfter adjusting for age, gender, surgery, smoking, and baseline outcome values, patients with triglycerides >150 mg/dL had significantly higher pain visual analog scale (β = 5.86; P = .017) and lower VR-12 physical component summary (β = −2.71; P = .002) scores. Patients with low HDL had significantly worse WORC (β = 132.26; P = .020) and ASES (β = −7.05; P = .005) scores, more pain (β = 6.69; P = .024), and less satisfaction (β = −6.53; P = .008). The ratio of total cholesterol to HDL was associated with worse WORC (β = 58.46; P = .006) and ASES scores (β = −2.74; P = .002), more pain (β = 4.49; P < .001), and worse VR-12 physical component summary score (β = −1.03; P = .017).ConclusionsDyslipidemia may decrease the improvement of patient-reported outcomes in patients undergoing treatment for RCTs; high triglycerides and low HDL may have the most impact. Lipid disorders could be associated with the prevalence and outcomes of rotator cuff diseases. This study aimed to learn how levels of various types of lipids influence the patient-reported outcomes of patients with rotator cuff tears (RCTs). Data from a cohort study of 135 patients with RCTs were used. The outcome measures included Western Ontario Rotator Cuff (WORC) index, American Shoulder and Elbow Surgeons (ASES) standardized shoulder assessment form, Single Assessment Numeric Evaluation, visual analog scale for pain and satisfaction, and Veterans RAND 12-Item Health Survey (VR-12). Multivariable random-effects models were built to examine how total cholesterol, triglycerides, high-density lipoprotein (HDL), low-density lipoprotein, and ratio of total cholesterol to HDL influence each outcome, controlling for covariates. After adjusting for age, gender, surgery, smoking, and baseline outcome values, patients with triglycerides >150 mg/dL had significantly higher pain visual analog scale (β = 5.86; P = .017) and lower VR-12 physical component summary (β = −2.71; P = .002) scores. Patients with low HDL had significantly worse WORC (β = 132.26; P = .020) and ASES (β = −7.05; P = .005) scores, more pain (β = 6.69; P = .024), and less satisfaction (β = −6.53; P = .008). The ratio of total cholesterol to HDL was associated with worse WORC (β = 58.46; P = .006) and ASES scores (β = −2.74; P = .002), more pain (β = 4.49; P < .001), and worse VR-12 physical component summary score (β = −1.03; P = .017). Dyslipidemia may decrease the improvement of patient-reported outcomes in patients undergoing treatment for RCTs; high triglycerides and low HDL may have the most impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,023
Score d'incertitude au seuil0,315

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,415
Écart entre enseignants0,365 · 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 tête enseignante, 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJSES Open AccessMême sujetShoulder Injury and TreatmentTravaux en français237 207