An Analysis of Shoulder Outcomes Scores in 275 Consecutive Patients: Disease-Specific Correlation Across Multiple Shoulder Conditions
Notice bibliographique
Résumé
OBJECTIVES: To determine the outcomes scores of military patients who initially present with a variety of shoulder conditions, identify which scores demonstrate the highest correlation per diagnosis, and determine if a difference exists for patients who went onto surgery. METHODS: Two-hundred and seventy five consecutive patients with mean age of 36.5 +/- 12.9 at presentation completed baseline outcomes assessments that included Single Assessment Numeric Evaluation (SANE), American Shoulder and Elbow Surgeons (ASES) Score, Western Ontario Shoulder Instability Index (WOSI), Western Ontario Rotator Cuff Index (WORC), the Simple Shoulder Test (SST), and the Disabilities of the Arm, Shoulder, and Hand Index (DASH). The patients were grouped by clinical, radiographic, and surgical findings into 10 diagnostic categories. OUTCOMES: The initial mean outcomes scores were SANE 48.8, ASES 50.1, WOSI 1279 (40% normal), WORC 1122.4 (47% normal), SST 6.7, and DASH 33.1. Patients with superior labrum anterior-posterior tears demonstrated the lowest mean scores, followed by instability and rotator cuff tear patients. For all conditions, scores were lower for patients who went onto surgery compared with those managed nonoperatively (p = 0.008). CONCLUSIONS: Our findings may be utilized as a baseline to compare and track patient-derived disability across multiple shoulder conditions and serve to define mean diagnosis-specific shoulder patient preoperative scores.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».