MétaCan
Menu
Retour à la cohorte
Enregistrement W4288886372 · doi:10.1016/j.msksp.2022.102624

The association between number of shoulder diagnoses and positive clinical tests with self-reported function and pain: A cross-sectional study of patients with hypermobile joints and shoulder complaints

2022· article· en· W4288886372 sur OpenAlexaboutno aff
Frederik Kjærbæk, Birgit Juul‐Kristensen, Søren Thorgaard Skou, Jens Søndergaard, Eleanor Boyle, Karen Søgaard, Behnam Liaghat

Notice bibliographique

RevueMusculoskeletal Science and Practice · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesRegion SjællandSyddansk UniversitetEuropean Commission
Mots-clésMedicineCross-sectional studyAssociation (psychology)Physical therapyMedical diagnosisPhysical medicine and rehabilitationPsychologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients with hypermobility spectrum disorder (HSD) and shoulder complaints may suffer from symptoms related to shoulder instability, laxity, and hypermobility. It is currently unknown whether having a more complex clinical status with several diagnoses (i.e., anterior instability (AI), multidirectional instability (MDI), and/or symptomatic localised shoulder hypermobility (LSH), relates to higher functional impairments and pain. OBJECTIVES: To investigate the associations between either ≤1, 2, or 3 clinical shoulder diagnoses (AI, MDI, and LSH) or the number (0-10) of positive clinical shoulder tests with shoulder function using the western Ontario shoulder instability index (WOSI, 0-2100, 0 = best) and pain intensity using numerical pain rating scale (NPRS, 0-10, 10 = worse). DESIGN: Exploratory cross-sectional study. METHOD: From a randomised controlled trial, baseline data from 100 participants with HSD and shoulder complaints for at least three months were included. Associations were investigated using linear regression models, adjusted for age, sex, body mass index, and hand dominance. RESULTS: Compared with having ≤1 diagnosis, neither participants with two (WOSI 76.9, 95% CI -136.3, 290.0; NPRS 0.3, 95% CI -0.9, 1.5) nor three (WOSI 35.5, 95% CI -178.5, 249.6; NPRS 0.1, 95% CI -1.1, 1.3) clinical shoulder diagnoses had significantly worse shoulder function or pain. Likewise, the number of positive clinical shoulder tests was not associated with function (WOSI -20.8 95%CI (-55.3, 13.7)) or pain (NPRS -0.1 95%CI (-0.2, 0.1)). CONCLUSIONS: In participants with HSD and shoulder complaints, having more additional shoulder diagnoses or increased number of positive shoulder tests were not related to functional impairments or pain intensities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,378
Écart entre enseignants0,347 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusculoskeletal Science and PracticeMême sujetShoulder Injury and TreatmentTravaux en français237 207