Effectiveness of Sensor-based Rehabilitation in Improving Outcomes in Patients Undergoing Total Knee Arthroplasty
Notice bibliographique
Résumé
BACKGROUND: Physical rehabilitation after total knee arthroplasty (TKA) is important for long-term functional recovery. Recently, sensor-based home rehabilitation (SHR) has gained prominence as a promising method that allows monitoring and guidance that is both structured and accessible, compared to traditional methods of physical rehabilitation. Despite the advent of wearable sensor systems, there is a paucity of evidence regarding SHR in the current literature. Thus, this systematic review aimed to evaluate the effect of wearable SHR on post-TKA outcomes. METHODS: We performed a systematic search of three electronic databases from the beginning of record to March 12, 2021. Primary outcomes were patient-reported outcome measures (PROMs) after rehabilitation, including the Knee Injury and Osteoarthritis Outcome Score (KOOS), Western Ontario and McMaster Universities Arthritis Index (WOMAC) and Knee Society Score (KSS). Secondary outcomes were physical activity levels and functional performance including range of motion (ROM) and Timed Up and Go Test (TUG). RESULTS: A total of 16 studies involving 1321 subjects were included. All wearable sensors in our included studies involved a combination of accelerometers, gyroscopes and magnetometers as functional units. These studies reported favourable outcomes for all three PROMs, although the extent of improvement in specific domains varied among studies. Moreover, physical activity in terms of daily steps and time spent on physical activity increased post-rehabilitation. Similarly, there were improvements in ROM and TUG that reflected a favourable post-operative trajectory during rehabilitation. CONCLUSION: SHR is effective for improving subjective and objective outcomes post-TKA. The role of SHR should be evaluated by a dedicated cost-benefit analysis to facilitate its wider adoption in healthcare systems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».