Incidence, Prevalence, and Risk Factors of Hemiplegic Shoulder Pain: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The current systematic review aimed to investigate the incidence, prevalence, and risk factors causing hemiplegic shoulder pain (HSP) after stroke. Two independent authors screened titles and abstracts for the eligibility of the included studies in the electronic databases PubMed and Web of Science. Studies which reported the incidence, prevalence, and risk factors of HSP following stroke were included. The included studies were assessed using the Newcastle-Ottawa Scale for evaluating the quality of nonrandomized studies in meta-analyses. Eighteen studies were included in the final synthesis. In all studies, the number of patients ranged between 58 and 608, with the mean age ranging from 58.7 to 76 years. Seven included studies were rated as "good "quality, while one study rated "fair" and 10 studies rated "poor" quality. Eight studies reported incidence rate while 11 studies reported the prevalence of HSP following a stroke. The incidence of HSP was ranging from 10 to 22% in the metanalysis of the included studies. The prevalence of HSP was ranging from 22 to 47% in the metanalysis of the included studies. The most significant predictors of HSP were age, female gender, increased tone, sensory impairment, left-sided hemiparesis, hemorrhagic stroke, hemispatial neglect, positive past medical history, and poor National Institutes of Health Stroke Scale score. The incidence and prevalence of HSP after stroke vary considerably due to various factors. Knowledge of predictors is important to minimize the risk of developing HSP following a stroke.
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.
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 | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle