MétaCan
Menu
Retour à la cohorte
Enregistrement W4403920891 · doi:10.3390/diagnostics14212415

Prevention of Overhead Shoulder Injuries in Throwing Athletes: A Systematic Review

2024· review· en· W4403920891 sur OpenAlexaboutno aff
Ayrton Moiroux-Sahraoui, Jean Mazeas, N. A. Rodriguez Delgado, Cécile Le Moteux, Mickael Acco, D.M. Maurice, Andreas Bjerregaard, Florian Forelli

Notice bibliographique

RevueDiagnostics · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThrowingAthletesPhysical medicine and rehabilitationOverhead (engineering)Physical therapyMedicineForensic engineeringComputer scienceEngineeringAeronautics

Résumé

récupéré en direct d'OpenAlex

(1) Background: Shoulder pathologies are mostly found in overhead sports. Many risk factors have been identified, in particular a deficit in the kinetic chain. The aim of this review was to find out whether prevention by strengthening the kinetic chain can have an impact on the rate of shoulder injury in overhead pitching athletes. (2) Methods: A systematic review of the literature was carried out, including studies on the role of the kinetic chain in the prevention of overhead athletes. The studies used were works published over the last 10 years searched on PubMed, Cochrane Library, PEDro and Science Direct. They were also analyzed by methodological quality scales: the PEDro scale and the Newcastle-Ottawa scale. (3) Results: Eight studies met the inclusion criteria. The studies analyzed revealed a significant correlation between the use of the kinetic chain and the prevention of shoulder injuries, associating factors such as muscle strength, physical performance in tests (CMJ, FMS), static and dynamic balance and the ability to transfer energy from the lower to the upper body. (4) Conclusions: It is important to integrate core stability work and lower limb strengthening to minimize excessive stress on the shoulder complex, while optimizing force production and performance.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,005
Bibliométrie0,0070,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,426
Écart entre enseignants0,349 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiagnosticsMême sujetShoulder Injury and TreatmentTravaux en français237 207