Kinematic and Neuromuscular Deficiencies Phenotypes Associated With Patellofemoral Pain Syndrome : a Cross-sectional Interventional Study Protocol
Notice bibliographique
Résumé
Background: The physiopathology of PFPS is multifactorial and includes static and dynamic dysfunctions which have not been fully elucidated to date. Among numerous classifications, a pragmatic classification distinguishes 3 major clinical phenotypes: PFPS with objective displacement of the patella, PFPS with extra-patellar alignment problem and PFPS without alignment problems. The relationships between the clinical and biomechanical factors are still unclear. Objective : The primary aim of this study is to describe and compare the kinematic deficiencies specifically associated with each of the 3 main clinical phenotypes. The secondary aim is to describe and compare neuromuscular deficiencies, postural and proprioceptive associated with each of the 3 main clinical phenotypes. Method: PHENOPAT is a comparative, non-randomized study. We will use the KneeKG device (EMOVI) to assess the 3D knee rotations, EoS Imaging to assess femoro-tibial alignment and isokinetic device to measure hip abductor, quadriceps and hamstrings muscle strength and endurance. The unipodal static and dynamic stability will be assessed by the Y test and posturography. We will compare the kinematic deficiencies using a rank comparison or a mean comparison test between 2 groups or between 3 groups according to the distribution of participants between the groups. Discussion: We expect to observe specific biomechanical factors correlated with each main clinical phenotypes. We wish that will help to enable a more specific diagnosis and treatment.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 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 ».