Comparison of joint hypermobility in general and orthopaedic clinic population in south India
Notice bibliographique
Résumé
Background: Generalised joint hypermobility (GJH) is associated with musculoskeletal symptoms. Beighton score is universally used to measure hypermobility and the cut off score of ≥4 is quoted in literature to define GJH. No data exists on the prevalence of GJH in patients attending orthopaedic outpatients in India. Materials and methods: The objective of this study was to compare the prevalence of GJH in the general versus orthopaedic patients. 406 patients attending a wellness clinic and 1780 patients attending orthopaedic outpatient clinic in a large private hospital in south India were scored for hypermobility using Beighton score. The mean age of the cohorts attending the wellness clinic and orthopaedic clinic was 33.47± 11.63 years and 36.37± 9.36 years respectively. There were more males than females recruited in the orthopaedic clinic. Results: The wellness group had significantly higher numbers in the 20 to 39 year age range compared to the orthopaedic group (p value <0.00001). There was a significantly higher proportion of zero Beighton score in the orthopaedic group (p value <0.00001). The proportion of people with Beighton score 4-9 in the wellness and orthopaedic groups were 33% and 3.3% respectively. The proportion of GJH with Beighton score 5-9 was 16% and 2% in the wellness and orthopaedic groups respectively. Conclusions: This is the only study, to the best of our knowledge, to have attempted to compare GJH prevalence in orthopaedic patients with a control group. The prevalence of GJH is significantly higher in the general population than the orthopaedic out-patients. Beighton score is simple to perform and must be included in the management of every orthopaedic patient.
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 | 0,015 | 0,002 |
| 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 ».