MétaCan
Menu
Retour à la cohorte
Enregistrement W4297476642 · doi:10.1136/bjsports-2022-105626

Long-term quality of life, work limitation, physical activity, economic cost and disease burden following ACL and meniscal injury: a systematic review and meta-analysis for the OPTIKNEE consensus

2022· review· en· W4297476642 sur OpenAlexaff
Stephanie R. Filbay, Søren Thorgaard Skou, Garrett S. Bullock, Christina Le, Anu M. Räisänen, Clodagh Toomey, Allison M Ezzat, Alix Hayden, Adam G Culvenor, Jackie L. Whittaker, Ewa M. Roos, Kay M. Crossley, Carsten Bogh Juhl, Carolyn A. Emery

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensUniversity of British ColumbiaResearch CanadaUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisMedicineMeniscusQuality of life (healthcare)Term (time)DiseaseQuality-adjusted life yearWork (physics)Physical medicine and rehabilitationPhysical therapyIntensive care medicineRisk analysis (engineering)EngineeringPathologyCost effectivenessMechanical engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Determine the long-term health-related quality-of-life (HRQoL), work limitation, physical activity, health/economic cost and disease burden of traumatic ACL and/or meniscal injury. Findings will inform OPTIKNEE evidence-based consensus recommendations. DESIGN: Random-effects meta-analysis evaluated HRQoL (SF-36/SF-12/VR-12 Physical Component Scores (PCS) and Mental Component Scores (MCS), EuroQol-5D (EQ-5D)) stratified by time postinjury, and pooled mean differences (95% CI) between ACL-injured and uninjured controls. Other outcomes were synthesised descriptively. Risk-of-bias (RoB) and certainty of evidence (Grading of Recommendations Assessment, Development and Evaluation) were assessed. DATA SOURCES: MEDLINE, EMBASE, CENTRAL, SPORTDiscus, CINAHL searched inception: 22 November 2021. ELIGIBILITY: Studies reporting HRQoL, work limitations, physical activity levels, health/economic costs or disease burden, ≥2 years post-ACL and/or meniscal injury. RESULTS: Fifty studies were included (10 high-RoB, 28 susceptible-to-some-bias and 12 low-RoB). Meta-analysis (27 studies, very low certainty of evidence) estimated a pooled mean (95% CI) PCS of 52.4 (51.4 to 53.4) and MCS of 54.0 (53.0 to 55.0) 2-14 years post-ACL injury. Pooled PCS scores were worse >10 years (50.8 (48.7 to 52.9)) compared with 2-5 years (53.9 (53.1 to 54.7)) postinjury. Excluding high-RoB studies, PCS scores were worse in ACL-injured compared with uninjured controls (-1.5 (-2.9 to -0.1)). Six studies (low certainty of evidence) informed a pooled EQ-5D score of 0.83 (0.81 to 0.84). Some individuals experienced prolonged work absenteeism and modified activities ≥2 years post-ACL injury. ACL injury was associated with significant direct and indirect costs, and early ACL reconstruction may be less cost-effective than rehabilitation. Only three studies evaluated meniscal injury outcomes (all evaluated HRQoL). CONCLUSION: There is a very-low certainty of evidence that PCS scores ≥2 years post-ACL injury are worse than uninjured controls and decline over time, whereas MCS scores remain high. ACL injury can result in prolonged work absenteeism and high health/economic costs. Further studies are needed to determine the long-term burden of traumatic meniscal injury.

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)0,034
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,076
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0210,036
Bibliométrie0,0110,007
Études des sciences et des technologies0,0010,001
Communication savante0,0060,003
Science ouverte0,0030,003
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,090
Tête enseignante GPT0,391
Écart entre enseignants0,301 · 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.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations95
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207