D.3 Peripheral nerve injuries related to walking aid use: a systematic review
Notice bibliographique
Résumé
Background: Walking aids such as crutches, canes and walkers are used by 2 million Canadians. Repetitive weight-bearing with walking aids may cause upper limb peripheral nerve injury. The objectives of this review were to: 1) identify types of nerve injuries reported with walking aids; 2) report electrodiagnostic findings; 3) identify typical treatment strategies; and 4) determine expected recovery time for such injuries. Methods: MEDLINE, EMBASE, CINAHL and Cochrane Library were searched for primary data in English published between 1950-2022. Abstracts were reviewed independently by 2 authors. Full-text reviews were independently conducted by 2 authors. Results: The search identified 3746 abstracts, 43 of which underwent full-text review. 31 studies were included. There were 144 cases of peripheral nerve injury. Crutches caused the most injuries (n=21 studies). The ulnar nerve was most commonly injured (n=27 cases). Improper walking aid fit was identified as a risk factor in 74% of cases. Stopping walking aid use was the most common treatment strategy (n=10 studies). Follow-up reports (n=20) indicated 65% of patients experienced recovery at 6 months. Conclusions: Improper walking aid fit and use were identified as major injury risk factors. A national program to teach patients and clinicians how to use walking aids may reduce injury risk.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,010 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».