MétaCan
Menu
Retour à la cohorte
Enregistrement W2951174728 · doi:10.21083/surg.v11i0.4146

Sacroiliac joint pain: Where are we now?

2019· article· en· W2951174728 sur OpenAlexaffvenue
Olena Klahsen

Notice bibliographique

RevueSURG Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMedicineSacroiliac jointProvocation testPhysical therapyPhysical medicine and rehabilitationJoint painSymphysisAlternative medicineSurgeryPathology

Résumé

récupéré en direct d'OpenAlex

Sacroiliac joint pain is often interpreted by healthcare practitioners as non-specific pain in the lower back region. This has resulted in many cases of sacroiliac joint pain being misdiagnosed as general chronic low back pain, which has led to large gaps in the knowledge regarding its exact causes and manifestation. The pain is theorized to develop because of the loss of form and/or force closure leading to destabilization and sacroiliac joint dysfunction. Current diagnostic tests include pain provocation tests and intra-articular injections. The intra-articular injections may exclude individuals with extra-articular pain, so more inclusive testing should be considered for use in clinical practice such as range of motion assessment or pubic symphysis analysis. Recent literature does not support the use of present treatments by healthcare practitioners as the therapies lack well designed studies to confirm their efficacy, are extremely invasive, or have minimal symptom management capabilities. Additional research into current and new treatment strategies needs to be done to determine their efficacy in managing this condition. Overall, the development of an animal model of the condition is recommended to better evaluate and improve the diagnosis and treatment of sacroiliac joint pain.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0060,013
Science ouverte0,0010,001
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0170,006

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 Opus0,015
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSURG JournalMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207