Strategies to prevent and manage running-related knee injuries: a systematic review of randomised controlled trials
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of interventions to prevent and manage knee injuries in runners. DESIGN: Systematic review and meta-analysis. DATA SOURCES: MEDLINE, EMBASE, CINAHL, Web of Science and SPORTDiscus up to May 2022. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: Randomised controlled trials (RCTs) with a primary aim of evaluating the effectiveness of intervention(s) to prevent or manage running-related knee injury. RESULTS: Thirty RCTs (18 prevention, 12 management) analysed multiple interventions in novice and recreational running populations. Low-certainty evidence (one trial, 320 participants) indicated that running technique retraining (to land softer) reduced the risk of knee injury compared with control treadmill running (risk ratio (RR) 0.32, 95% CI 0.16 to 0.63). Very low-certainty to low-certainty evidence from 17 other prevention trials (participant range: 24 -3287) indicated that various footwear options, multicomponent exercise therapy, graduated running programmes and online and in person injury prevention education programmes did not influence knee injury risk (RR range: 0.55-1.06). In runners with patellofemoral pain, very low-certainty to low-certainty evidence indicated that running technique retraining strategies, medial-wedged foot orthoses, multicomponent exercise therapy and osteopathic manipulation can reduce knee pain in the short-term (standardised mean difference range: -4.96 to -0.90). CONCLUSION: There is low-certainty evidence that running technique retraining to land softer may reduce knee injury risk by two-thirds. Very low-certainty to low-certainty evidence suggests that running-related patellofemoral pain may be effectively managed through a variety of active (eg, running technique retraining, multicomponent exercise therapy) and passive interventions (eg, foot orthoses, osteopathic manipulation). PROSPERO REGISTRATION NUMBER: CRD42020150630.
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 | 0,032 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,018 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».