The Utilization of Patient-Reported Outcome Measures in Assessing the Treatment of Osteochondral Lesions of the Ankle Versus the Knee
Notice bibliographique
Résumé
Background: When assessing the outcomes of ankle and knee osteochondral lesions (OCLs), there are numerous patient-reported outcome measures (PROMs) that are used; however, not all are validated. Purpose: To compare the utilization of PROMs in assessing the treatment of ankle OCLs versus knee OCLs. Study Design: Systematic review; Level of evidence, 4. Methods: A systematic search of Embase, MEDLINE, and CINAHL was conducted to identify all observational or experimental studies from January 1, 2014 to December 31, 2023 that used PROMs to assess the treatment of ankle or knee OCLs. The frequency of the use of specific validated PROMs between the ankle OCL and knee OCL literature was compared using an independent t -test. Correlation coefficients were calculated to assess differences based on journal impact factor (divided into quartiles), publication year, or level of evidence. Results: A total of 233 eligible ankle OCL studies and 211 knee OCL studies were identified. Validated clinical outcome measures were used in 41.2% of ankle OCL studies compared with 87.7% of knee OCL studies ( P < .001). There were a total of 44 outcome measures used in ankle OCL studies, with the majority of studies (67.8%) utilizing the AOFAS (American Orthopaedic Foot and Ankle Society) score. There were no correlations between the use of validated outcome measures in the ankle OCL studies and journal impact factor ( P = .78), publication year ( P = .16), or level of evidence ( P = .45). Similarly, there were no correlations for the knee OCL studies based on journal impact factor ( P = .60), publication year ( P = .25), or level of evidence ( P = .55). Conclusion: Validated clinical outcome measures were more frequently utilized in knee OCL studies compared with ankle OCL studies. The low frequency of validated outcome measures used within the ankle literature may limit how well treatment effectiveness in the management of ankle OCLs is evaluated.
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 | 0,087 | 0,227 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,012 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».