Dynamic Movement Assessment and Functional Movement Screening for injury prediction: a systematic review
Notice bibliographique
Résumé
ABSTRACT Dynamic Movement AssessmentTM (DMATM) and Functional Movement ScreeningTM (FMSTM) are tools to predict the risk of musculoskeletal injuries in individuals who practice physical activities. This systematic review aimed to evaluate the association of DMATM and FMSTM with the risk of musculoskeletal injuries, in different physical activities, categorizing by analysis. A research without language or time filters was carried out in November 2016 in MEDLINE, Google Scholar, SciELO, SCOPUS, SPORTDiscus, CINAHL and BVS databases using the keywords: “injury prediction”, “injury risk”, “sensitivity”, “specificity”, “functional movement screening”, and “dynamic movement assessment”. Prospective studies that analyzed the association between DMATM and FMSTM with the risk of musculoskeletal injuries in physical activities were included. The data extracted from the studies were: participant’s profile, sample size, injury’s classification criteria, follow-up time, and the results presented, subdivided by the type of statistical analysis. The risk of bias was performed with Newcastle-Ottawa Scale for cohort studies. No study with DMATM was found. A total of 20 FMSTM studies analyzing one or more of the following indicators were included: diagnostic accuracy (PPV, NPV and AUC), odds ratios (OR) or relative risk (RR). FMSTM showed a sensitivity=12 to 99%; specificity=38 to 97%; PPV=25 to 91%; NPV=28 to 85%; AUC=0.42 to 0.68; OR=0.53 to 54.5; and RR=0.16-5.44. The FMSTM has proven to be a predictor of musculoskeletal injuries. However, due to methodological limitations, its indiscriminate usage should be avoided.
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 | 0,011 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».