Common sports‐related nerve injuries seen by the electrodiagnostic medical consultant
Notice bibliographique
Résumé
The high physiologic demands of sports create dynamic stress on joints, soft tissues, and nerves which may lead to injuries in the athlete. Electrodiagnostic (EDx) assessment is essential to identify the correct diagnosis, localization, and prognosis, to guide management of sports-related neuropathies. A comprehensive review was performed to provide the EDx medical consultant with a practical approach to the common peripheral nerve disorders seen in athletes. Sports-related neuropathies reviewed include transient traumatic irritation of the brachial plexus and/or cervical nerve roots ("Burners and stingers,") suprascapular and axillary neuropathies, ulnar neuropathy at the elbow (UNE) in throwers, ulnar neuropathy at the hand/wrist in cyclists, multi-ligamentous knee injury, and foot/ankle neuropathies including tarsal tunnel syndrome. A thorough understanding of peripheral anatomy, possible entrapment sites, mechanisms of injury, and key physical examination findings is essential for correct diagnosis. EDx assessments beyond routine studies are generally required for sports-related neuropathy, which may not necessarily follow typical entrapment patterns. Adjunct diagnostic imaging, such as point-of-care ultrasound and magnetic resonance imaging, are helpful tools to identify associated musculoskeletal pathology such as compressive cysts or nerve entrapment, which may be amenable to interventional or surgical treatment. When no clear reversible structural pathology exists, management of sports-related neuropathy is athlete-specific and generally multi-modal, involving a combination of physical rehabilitation techniques to address muscle imbalances, load management, protective equipment, and interventional pain procedures.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».