The impact of cell phone texting on superficial blood flow, touch threshold, and symptoms for individuals with carpal tunnel syndrome
Notice bibliographique
Résumé
BACKGROUND: It is unclear how individuals with carpal tunnel syndrome (CTS) are affected by texting, or how the texting performance of those with CTS might be impaired or different from individuals without CTS. OBJECTIVE: The primary purpose of this case-control study was to determine the immediate effects of texting on superficial blood flow, sensory threshold, and symptoms of fatigue, numbness, and pain for individuals with CTS compared to asymptomatic age-matched controls. Another objective was to detect differences in texting performance between the two groups. METHODS: Superficial blood flow, pain, fatigue, numbness, and touch threshold were measured before, and at three time points following a standardized 15-minute texting task. Overall texting speed was compared between groups. RESULTS: Changes in red blood cell concentration after the texting task was not significantly different for either the CTS group or controls for any of the measurement time points. Mean touch thresholds at baseline were 4.0 g/mm2 for the CTS group versus 2.6 g/mm2 for healthy controls; a 53%greater touch threshold. Following the texting task, touch threshold did not change for normal controls, but increased to 6.7 g/mm2 for the CTS group, representing a significant increase in touch threshold from baseline. Texting performance was compromised in people with CTS, and symptoms worsened with a short-term controlled texting task. CONCLUSIONS: Our results suggest that texting performance is limited in individuals with CTS and that texting results in a short term increase in touch threshold values for individuals with CTS. Further study is needed to determine the effect of long term texting on carpal tunnel pressures.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».