Effect of menstrual cycle phase, menstrual irregularities and hormonal contraceptive use on anterior knee laxity and non-contact anterior cruciate ligament injury occurrence in women: a protocol for a systematic review and meta-analysis
Notice bibliographique
Résumé
Exercising women report three to six times more ACL tears than men, which happen, in the majority of cases, with a non-contact mechanism. This sex disparity has, in part, been attributed to the differences in reproductive hormone profiles between men and women. Many studies have shown that anterior knee (AK) laxity and the rate of non-contact ACL injuries vary across the menstrual cycle, but these data are inconsistent. Similarly, several studies have investigated the potential protective effect of hormonal contraceptives on non-contact ACL injuries, but their conclusions are also variable. The purpose of this systematic review and meta-analysis is to, identify, evaluate and summarise the effects of endogenous and exogenous ovarian hormones on AK laxity (primary outcome) and the occurrence of non-contact ACL injuries (secondary outcome) in women. We will perform a systematic search for all observational studies conducted on this topic. Studies will be retrieved by searching electronic databases, clinical trial registers, author's personal files and cross-referencing selected studies. Risk of bias will be assessed using the Newcastle Ottawa Quality Assessment Scale for Cohort and Case-Control Studies. Certainty in the cumulative evidence will be assessed using the Grading of Recommendations Assessment, Development and Evaluation approach. The meta-analyses will use a Bayesian approach to address specific research questions in a more intuitive and probabilistic manner. This review is registered on the international database of prospectively registered systematic reviews (PROSPERO; CRD42021252365).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,032 | 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 ».