Longitudinal changes in adiposity following anterior cruciate ligament reconstruction and associations with knee symptoms and function
Notice bibliographique
Résumé
Objective: To evaluate adiposity after anterior cruciate ligament reconstruction (ACLR): i) cross-sectionally (1-year post-ACLR) compared to uninjured controls; ii) longitudinally up to 5 years post-ACLR; and iii) associations with patient-reported symptoms and physical performance. Methods: In 107 individuals post-ACLR and 19 controls, we assessed global (BMI), peripheral (subcutaneous adipose tissue thickness on the posteromedial side of knee MRI), and central (waist circumference in ACLR group) adiposity. Patient-reported symptoms (Knee injury and Osteoarthritis Outcome Score) and physical performance (hop for distance) were evaluated at 1 and 5 years post-ACLR. Linear regression models evaluated adiposity between groups. Paired t-tests evaluated changes in adiposity from 1- to 5 years post-ACLR. Linear regression models analyzed adiposity's associations with patient-reported symptoms and physical performance at 1-year post-ACLR, changes in symptoms and performance over 4 years post-ACLR, and longitudinal changes in adiposity and symptoms and performance, controlling for age, sex, and activity level. Results: ) and central (5 cm) adiposity, and lower average peripheral adiposity (1.3 mm) were observed. In general, adiposity at one-year post-ACLR was negatively associated with patient-reported symptoms and physical performance, and changes from 1 to 5 years post-ACLR. Increases in adiposity were negatively associated with changes in patient-reported symptoms and physical performance over four years post-ACLR. Conclusion: Greater global and central adiposity is a feature of young adults following ACLR and influences current and future patient-reported symptoms and physical performance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».