Does sex affect second ACL injury risk? A systematic review with meta-analysis
Notice bibliographique
Résumé
Objective To determine sex-based differences in risk of a second ACL injury (overall and by laterality) following primary ACL reconstruction in athletes who are attempting to return to sport. Design Systematic review with meta-analysis. Data sources Systematic search of five databases conducted in August 2019. Eligibility criteria for selecting studies Studies reporting sex-based differences in the incidence of second ACL injury in athletes attempting to return-to-sports and who were followed for at least 1 year following primary ACL reconstruction. Results Nineteen studies were included in this review, with seven studies excluded from the primary meta-analysis due to high risk of bias. The remaining 12 studies (n=1431 females, n=1513 males) underwent meta-analysis, with all 19 studies included in a sensitivity analysis. Total second ACL injury risk was 21.9% (females: 22.8%, males: 20.3%). Females were found to have 10.7% risk of an ipsilateral ACL injury and 11.8% risk of a contralateral ACL injury. Males were found to have 12.0% risk of an ipsilateral ACL injury and 8.7% risk of a contralateral ACL injury. No statistically significant differences were observed for total second ACL injury risk (risk difference=−0.6%, 95% CI −4.9 to 3.7, p=0.783, I 2 =41%) or contralateral ACL injury risk (risk difference=1.9%, 95% CI −0.5% to 4.4%, p=0.113, I 2 =15%) between sexes. Females were found to have a 3.4% absolute risk reduction in subsequent ipsilateral ACL injury risk compared with males (risk difference=−3.4%, 95% CI −6.7% to −0.02%, p=0.037, I 2 =35%). Conclusion Both sexes have >20% increased risk of experiencing a second ACL injury. Any difference in the absolute risk of either a subsequent ipsilateral or contralateral ACL injury between sexes appears to be small. Registration PROSPERO (CRD42020148369)
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,028 | 0,007 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».