RETURN TO SPORT FOLLOWING CLOSED ACHILLES TENDON RUPTURE: A SYSTEMATIC REVIEW AND META-ANALYSIS OF ELIGIBLE STUDIES EVALUATING MANAGEMENT STRATEGIES, PATIENT FACTORS, AND LEVEL OF ATHLETIC ACTIVITY
Notice bibliographique
Résumé
Introduction Achilles Tendon Rupture (ATR) is a prevalent injury in Western society. Much of the recent research has focused on measuring surgical methods and strength regained, rather than practical measures such as Return to Sport (RTS). A large systematic review was published in 2016 setting a benchmark RTS as 80%. The aim of this systematic review was to provide an up-to-date RTS following ATR. Methods PubMed and SPORTdiscuss databases were used to search for eligible studies published since 2017 that focused on closed Achilles tendon ruptures with clear definitions of return to sport and a minimum length of follow-up. The Newcastle-Ottawa grading tool was used to assess risk of bias in all included studies. Results Of 15 articles identified, 9 were ‘good’ and 6 were ‘fair’ after bias assessment, with none excluded for being poor. Return-to-sport (RTS) rate following Achilles tendon rupture was 76.76% (95% CI 74.19, 79.34 P= <0.001). Non-professional athletes had a higher RTS rate (78.29%; 95% CI 74.89, 81.68 P= <0.001) than professional athletes (74.91%; 95% CI 70.98, 78.85 P= <0.001). Surgical intervention resulted in a lower RTS rate (74.17%; 95% CI 70.74, 77.60 P= <0.001) than conservative management (70.00%; 95% CI 60.48, 79.52 P= <0.001). Conclusion These findings highlight the need to identify factors affecting RTS rates, including the type of management, level of sport, and patient-specific factors. Clinicians can use these findings to guide informed shared decision-making with patients regarding the long-term implications of ATR and to develop more targeted rehabilitation strategies for this 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».