Prevention of Post-Traumatic Osteoarthritis in the Military: Relevance of OPTIKNEE and Osteoarthritis Action Alliance recommendations
Notice bibliographique
Résumé
Musculoskeletal injury (MSKI) is the most common reason for short-term occupational limitation and subsequent medically related early departure from the military. MSKI-related medical discharge/separation occurs when service personnel are unable to perform their roles due to pain or functional limitations associated with long-term conditions, including osteoarthritis (OA). There is a clear link between traumatic knee injuries, such as anterior cruciate ligament or meniscal, and the development of post-traumatic OA (PTOA). Notably, PTOA is the leading cause of disability following combat injury. Primary injury prevention strategies exist within the military, with interventions focused on conditioning, physical health and leadership. However, not every injury can be prevented, and there is a need to develop secondary prevention to mitigate or reduce the risk of PTOA following an MSKI. Two international collaborative groups, OPTIKNEE and OA Action Alliance, recently produced rigorous evidence-based consensus statements for the secondary prevention of OA following a traumatic knee injury, including consensus definitions and clinical and research recommendations. These recommendations focus on patient-centred lifespan interventions to optimise joint health and prevent lost decades of care. This article aims to describe their relevance and applicability to the military population and outline some of the challenges associated with service life that need to be considered for successful integration into military care pathways and research studies.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 |
| 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 ».