Return to Play After an Anterior Cruciate Ligament Reconstruction in the Collegiate Athlete: A Systematic Review Evaluating Return to Play Proportions and Associated Factors
Notice bibliographique
Résumé
OBJECTIVE: To estimate anterior cruciate ligament reconstruction (ACLR) return-to-play (RTP) factors and proportions across all National Collegiate Athletics Association (NCAA) sports. DESIGN: Systematic review with prognosis and etiology components. LITERATURE SEARCH: Two independent reviewers searched PubMed, Cochrane Library, and Embase databases using terms related to RTP, ACLR, and NCAA for articles published up to June 30, 2023. STUDY SELECTION CRITERIA: Articles were included if RTP proportions or factors affecting RTP were reported and if the study population included NCAA collegiate athletes recovering from an ACLR. DATA SYNTHESIS: The proportion represents the total number of athletes who returned to play after ACLR over the total number of ACLR athletes from each cohort. The cumulative proportion represents the aggregated total from each included study. When eligibility information was available (ie, athletes in their final year of eligibility), RTP proportions were adjusted. The Newcastle-Ottawa Scale (NOS) was used to assess the study quality and scored by 2 raters. RESULTS: Nine studies were included. RTP criteria varied across the studies. Proportions of RTP ranged from 69% to 92%, with a cumulative RTP proportion after ACLR of 84% (628/745). The primary factors associated with the proportion of RTP were scholarship status, competitive eligibility remaining, depth chart position, and surgical graft type. CONCLUSIONS: The cumulative proportion of RTP was 84% and was associated with patient-specific and operative factors. Psychological and functional factors were not routinely reported, and rehabilitation protocols were unknown. Data were not explicitly available for any athletes outside of Division I. The criteria for RTP after ACLR varied. J Orthop Sports Phys Ther 2024;54(10):625-633. Epub 10 September 2024. https://doi.org/10.2519/jospt.2024.12483
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 | 0,009 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».