Relationship Between Conflict of Interest and Reported Outcomes After Upper Extremity Nerve Reconstruction Using Acellular Nerve Allografts: A Systematic Review
Notice bibliographique
Résumé
INTRODUCTION: Acellular nerve allografts (ANAs) are increasingly used for peripheral nerve repair. However, the effect of industry sponsorship on reported outcomes remains unclear. This review evaluates functional outcomes following upper extremity nerve reconstruction with ANAs, stratified by conflict of interest (COI). METHODS: A Preferred Reporting Items for Systematic Reviews and Meta-Analyses-guided search of MEDLINE, PubMed, and Embase identified clinical studies using ANAs. Data extracted included study design, patient age, nerve gap length, outcome measures (Medical Research Council Classification, Disabilities of the Arm, Shoulder, and Hand, visual analog scale), and COI status. Outcomes were compared using independent t -tests. RESULTS: Twenty-eight studies met inclusion criteria. Non-COI studies involved older patients and longer nerve gaps. Motor recovery was markedly higher in COI studies compared with non-COI studies (69.8% vs. 14.1%; P < 0.001), whereas sensory recovery also differed markedly (25.9% vs. 80.4%; P < 0.001). DISCUSSION: These findings suggest that outcome reporting may be influenced by funding source. The use of subjective measures and study design limitations further complicate objective interpretation. CONCLUSION: Although ANAs offer promise, current evidence is shaped by sponsorship bias. Future research should prioritize standardized, objective assessments, and independent, prospective studies to guide clinical decision making.
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 | 0,017 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».