The well-being of people with anterior cruciate ligament rupture-related post-traumatic osteoarthritis in Aotearoa New Zealand
Notice bibliographique
Résumé
BACKGROUND: Anterior cruciate ligament (ACL) ruptures are a potent risk factor for post-traumatic knee osteoarthritis (PTOA). Annually, in Aotearoa New Zealand, approximately 2,500 people under the age of 30 undergo ACL reconstruction surgery. Due to the young age of injury and surgery, many develop osteoarthritis before age 50 and have a higher likelihood of requiring total knee replacement compared to the general population. This study aimed to gain insight into the medium- to long-term impacts of ACL rupture on people's well-being in Aotearoa New Zealand, by exploring their lived experiences five or more years post-injury. METHOD: In this Interpretive Description observational study, we conducted semi-structured interviews with people who had ruptured their ACL and had or were at risk of developing PTOA. Analysis was conducted guided by Braun and Clarke's Reflexive Thematic Analysis. FINDINGS: Twelve people (7 women, median age 49.5 [25-62] years) were interviewed. Three themes were generated from the data: 1) Nobody Ever Told Me…, 2) The Post-Rehabilitation Void, and 3) The Elephant in the Room: The Psychosocial Impact. Participants commonly described fear, grief and long-term psychological impacts, and most reported wanting to know more about the long-term management of their knees. CONCLUSION AND IMPACT: The study highlights opportunities to provide better long-term support and management, improve outcomes, and reduce the burden on these individuals. ACL injury can profoundly impact people's lives in the long term. Better education, support services, and consideration of psychosocial factors are needed. Addressing identified barriers could reduce the individual and socioeconomic burden of PTOA for New Zealanders. Future research involving stakeholders must establish acceptable long-term management programmes tailored to ensure they meet the population's needs and address the unique socioeconomic context and ethnic disparities in Aotearoa New Zealand.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».