Surgical repair of the supraspinatus: pre- and postoperative architectural changes in the muscle
Notice bibliographique
Résumé
INTRODUCTION: Shortening of the tendon and muscle is recognised as a strong predictor of surgical failure of supraspinatus tendon tears. Changes in muscle architecture following repair have not been thoroughly investigated. Hence, we aimed to compare the pre- and postoperative architecture of the supraspinatus. METHODS: We recruited eight participants with full-thickness supraspinatus tears. Images of the supraspinatus were captured preoperatively (pre-op) and postoperatively at one month (post-op1), three months (post-op2) and six months (post-op3) in relaxed and contracted states (0º and 60º glenohumeral abduction). Fibre bundle length (FBL), pennation angle (PA) and muscle thickness were quantified. Self-reported function, and maximal isometric abduction and external rotation strengths were assessed. RESULTS: The mean FBL increased from pre-op to post-op1 (p = 0.001) in the relaxed state and from pre-op to post-op2 (p = 0.002) in the contracted state. Decrease in FBL was observed from post-op2 to post-op3 in the relaxed state. The mean PA decreased from pre-op to post-op1 (p < 0.001) in the relaxed state, but increased from post-op2 to post-op3 in both relaxed (p = 0.006) and contracted (p = 0.004) states. At post-op3, external rotation (p = 0.009) and abduction (p = 0.005) strengths were greater than at post-op2. Overall function increased by 47.67% from pre-op to post-op3. CONCLUSION: Lengthening of the supraspinatus occurs with surgery, altering the length-tension relationship of the muscle, which can compromise muscle function and lead to inferior surgical outcomes. These findings may guide clinicians to optimise loads, velocities and shoulder ranges for effective postoperative rehabilitation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».