MétaCan
Menu
Retour à la cohorte
Enregistrement W2783674507 · doi:10.1177/0363546517749213

The Responsiveness of Patient- Reported Outcome Tools in Shoulder Surgery Is Dependent on the Underlying Pathological Condition

2018· article· en· W2783674507 sur OpenAlexaboutno aff
Ron Unger, Jeremy M. Burnham, Lee Gammon, Chaitu S. Malempati, Cale A. Jacobs, Eric C. Makhni

Notice bibliographique

RevueThe American Journal of Sports Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRotator cuffVisual analogue scaleMedicineDashElbowPhysical therapyInclusion and exclusion criteriaRotator cuff injuryPhysical medicine and rehabilitationRange of motionSurgeryPathologyAlternative medicineComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Given the high number of available patient-reported outcome (PRO) tools for patients undergoing shoulder surgery, comparative information is necessary to determine the most relevant forms to incorporate into clinical practice. PURPOSE: To determine the utilization and responsiveness of common PRO tools in studies involving patients undergoing arthroscopic rotator cuff repair or operative management of glenohumeral instability. STUDY DESIGN: Systematic review. METHODS: A systematic review of rotator cuff and instability studies from multiple databases was performed according to PRISMA guidelines. Means and SDs of each PRO tool utilized, study sample sizes, and follow-up durations were collected. The responsiveness of each PRO tool compared with other PRO tools was determined by calculating the effect size and relative efficiency (RE). RESULTS: After a full-text review of 238 rotator cuff articles and 110 instability articles, 81 studies and 29 studies met the criteria for final inclusion, respectively. In the rotator cuff studies, 25 different PRO tools were utilized. The most commonly utilized PRO tools were the Constant (50 studies), visual analog scale (VAS) for pain (44 studies), American Shoulder and Elbow Surgeons (ASES; 39 studies), University of California, Los Angeles (UCLA; 20 studies), and Disabilities of the Arm, Shoulder and Hand (DASH; 13 studies) scores. The ASES score was found to be more responsive than all scores including the Constant (RE, 1.94), VAS for pain (RE, 1.54), UCLA (RE, 1.46), and DASH (RE, 1.35) scores. In the instability studies, 16 different PRO tools were utilized. The most commonly used PRO tools were the ASES (13 studies), Rowe (10 studies), Western Ontario Shoulder Instability Index (WOSI; 8 studies), VAS for pain (7 studies), UCLA (7 studies), and Constant (6 studies) scores. The Rowe score was much more responsive than both the ASES (RE, 22.84) and the Constant (RE, 33.17) scores; however, the ASES score remained more responsive than the Constant (RE, 1.93), VAS for pain (RE, 1.75), and WOSI (RE, 0.97) scores. CONCLUSION: Despite being frequently used in the research community, the Constant score may be less clinically useful as it was less responsive. Additionally, it is a greater burden on the provider because it requires objective strength and range of motion data to be gathered by the clinician. In contrast, the ASES score was highly responsive after rotator cuff repair and requires only subjective patient input. Furthermore, separate PRO scoring methods appear to be necessary for patients undergoing rotator cuff repair and surgery for instability as the instability-specific Rowe score was much more responsive than the ASES score.

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)0,174
score de la tête « metaresearch » (Gemma)0,438
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,922

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1740,438
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,016
Bibliométrie0,0110,016
Études des sciences et des technologies0,0010,004
Communication savante0,0060,005
Science ouverte0,0030,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,132
Tête enseignante GPT0,391
Écart entre enseignants0,259 · 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

Citations50
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Journal of Sports MedicineMême sujetShoulder Injury and TreatmentTravaux en français237 207