MétaCan
Menu
Retour à la cohorte
Enregistrement W4402992943 · doi:10.1002/ksa.12462

Classifiers of anterior cruciate ligament status in female and male adolescents using return‐to‐activity criteria

2024· article· en· W4402992943 sur OpenAlexafffund
Céline I. Girard, Nicholas J. Romanchuk, Michael Del Bel, Sasha Carsen, Adrian D. C. Chan, Daniel L. Benoit

Notice bibliographique

RevueKnee Surgery Sports Traumatology Arthroscopy · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensCarleton UniversityUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCHEO Research InstituteUniversity of Ottawa
Mots-clésMedicineAnterior cruciate ligamentACL injuryOrthopedic surgeryStatisticAnterior Cruciate Ligament InjuriesCohen's kappaSports medicinePhysical therapyStatisticsSurgeryMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose A lack of standardization exists for functional tasks in return‐to‐activity (RTA) guidelines for adolescents with anterior cruciate ligament injury (ACLi). Identifying the variables that discern ACLi status among adolescents is a first step in the creation of such guidelines following surgical reconstruction. This study investigated the use of classification models to discern ACLi status of adolescents with and without injury using spatiotemporal variables from functional tasks typically used in RTA guidelines for adults. Methods Sixty‐four adolescents with ACLi and 70 uninjured adolescents completed single‐limb hops, lunges, squats, countermovement jumps and drop‐vertical jumps. Jumping distances, heights, and depths were collected. Decision trees (DTs) were used to classify ACLi status and were evaluated using the F‐measure (F1), kappa statistic (ĸ) and area under the precision–recall curve (PRC). Independent t tests and effect sizes were calculated for each important classifier of the DT models. Results A five‐variable model classified ACLi status with an accuracy of 67.5% (F1 = 0.6842; ĸ = 0.350; PRC = 0.491) with sex as a classifier. Significant differences were found in three of the four spatiotemporal variables (p ≤ 0.002). Separate models then classified ACLi status in males and females with an accuracy of 53.3% (F1 = 0.5882; ĸ = 0.0541; PRC = 0.476) and 76.9% (F1 = 0.7692; ĸ = 0.541; PRC = 0.528), respectively, with significant differences for all variables (p ≤ 0.013). Conclusions Among the DT models, females were better able to classify ACLi status compared to males, highlighting the importance of sex‐specific rehabilitation guidelines for adolescents. Level of Evidence Level III.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,324
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKnee Surgery Sports Traumatology ArthroscopyMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207