Apprehension-Based Training: A Novel Treatment Concept for Anterior Shoulder Dislocation – A Case Report
Notice bibliographique
Résumé
Background and Purpose: Conservative management of anterior shoulder dislocation (ASD) is associated with greater recurrence compared with surgical management. Current rehabilitation protocols may not adequately challenge shoulder stability to encourage adaptive coping strategies. Apprehension-based training (ABT) is a new treatment concept derived from the supine moving apprehension test (SMAT), a previously validated performance measure among patients with ASD. The purpose of this case report is to describe the application of ABT in a patient with recurrent ASD. Study Design: Case report. Case Description: The subject was a 23-year-old male with bilateral recurrent ASD. The subject underwent a 17-week exercise program involving gradual exposure to increased anterior instability loads based on the SMAT movement pattern. The Western Ontario Shoulder Instability Index (WOSI), Patient-Specific Functional Scale (PFPS), Tampa Scale of Kinesiophobia, SMAT, shoulder internal and external rotation muscle strength were measured via hand-held dynomometry before and after training. Outcomes: Following treatment, clinically meaningful gains in quality of life (WOSI) and shoulder function (PSFS) were noted. Kinesiophobia decreased, SMAT and shoulder internal rotator strength increased beyond their respective minimal detectable change. Four months after treatment, quality of life and shoulder function remained improved, and the subject reported a reduced rate of ASD. Discussion: Apprehension-based training involving gradual exposure to shoulder instability loads may hold potential for improving the management of patients with ASD. Further testing of this concept is warranted. Level of Evidence: 4, single case report.
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 | 0,001 |
| 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 ».