Contractile rate of force development after anterior cruciate ligament reconstruction—a comprehensive review and meta‐analysis
Notice bibliographique
Résumé
STUDY DESIGN: Comprehensive review and meta-analysis. BACKGROUND: The recovery in rapid force production measured as the rate of force development (RFD) is not clear after anterior cruciate ligament reconstruction (ACLR). OBJECTIVES: To evaluate (a) time-course change of between-limb asymmetries in isometric knee extension/flexion RFD in individuals post-ACLR and (b) differences in RFD between individuals post-ACLR and healthy controls. METHODS: A literature search of Web of Science, SPORTDiscus, PubMed-MEDLINE, and ScienceDirect identified 10 eligible studies (n = 246) assessing RFD after ACLR. RESULTS: Standard mean difference (SMD) for early-phase (<100 ms) knee extensor RFD was -1.07 (95% CI: -1.46, -0.68) when comparing ACLR vs uninjured limb, while SMD for late-phase (≥100 ms) RFD was -0.85 (95 CI%: -1.27, -0.42). SMD for early- and late-phase knee flexor RFD was -0.74 (95% CI: -1.19, -0.29) and -0.79 (95% CI: -1.19, -0.39), respectively. Comparing ACLR limbs to uninjured controls, knee extensor SMD for early- and late-phase RFD was -1.42 (95% CI: -2.10, -0.73) and 1.09 (95% CI: -1.81, -0.38). For the knee flexors, SMD for early- and late-phase RFD was -0.78 (95% CI: -1.96, -0.39) and -1.14 (95% CI: -1.60, -0.67). CONCLUSIONS: Anterior cruciate ligament reconstruction limbs demonstrated sustained post-surgical suppression in RFD capacity for the knee extensors/flexors compared to the contralateral limb as well as to healthy controls. Monitoring of RFD should be considered throughout rehabilitation and return to sport (RTS) after ACLR to assess the effectiveness of post-operative rehabilitation. Post-surgical ACLR rehabilitation should include training interventions to enhance RFD.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».