Outcomes of anterior cruciate ligament reconstruction surgery from private and public healthcare services in Australia
Notice bibliographique
Résumé
Objective: To explore outcomes of anterior cruciate ligament (ACL) reconstructive surgery (ACLR) between individuals using private and public healthcare. Methods: We conducted a cross-sectional study of participants, 9-36 months post-ACLR using public or private healthcare services. Multivariable linear regression assessed the association between healthcare service used (private versus public) with self-reported outcomes (Knee injury and Osteoarthritis Outcome Score (KOOS) subscales of pain, symptoms, sport/recreation, knee-related quality of life (QoL); 0-100 scale), adjusting for potential confounders. Results: A total of 314 participants were included (median age 29 years, 35 % female). One hundred and thirty-nine (44 %) underwent ACLR using private healthcare. Individuals using private healthcare for ACLR reported better post-ACLR knee-related QoL (mean difference 5.1; 95%CI 0.6 to 9.7) than individuals using public healthcare, when adjusted for available confounders. No other KOOS subscale scores (pain, symptoms, sport/recreation) differed between healthcare groups in our adjusted analysis. Conclusions: Australian young adults who underwent ACLR using private healthcare (compared to public healthcare) services reported better knee-related QoL post-operatively in this cross-sectional cohort. Sociodemographic and socioeconomic factors contributed little to the differences observed. Future research should consider potential disparities in outcomes between participants using differing healthcare services both clinically and when recruiting participants into research studies evaluating outcomes post-ACLR.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».