Dorsal Approach for Corticosteroid Injection in Trigger Finger Management: A Scoping Review
Notice bibliographique
Résumé
Introduction: Stenosing tenosynovitis (trigger finger) is a common condition caused by inflammation and hypertrophy of flexor tendons. Corticosteroid injection (CSI) is an effective and safe treatment option. A palmar approach for CSI is typically used; however dorsal injection, which may be less painful, is not well-studied. Methods: A 6-stage scoping review was conducted to characterize outcomes associated with dorsal CSI for trigger finger management. We searched Ovid MEDLINE, EMBASE, and Web of Science for eligible articles in English from inception to July 2024. Data regarding study characteristics and CSI outcomes were synthesized. Risk of bias was assessed using Joanna Briggs Institute Critical Appraisal Tools. Results: Four articles were included in the review, comprising 1 case series, 2 cohort studies, and 1 randomized controlled trial (RCT). Symptom resolution rates following dorsal CSI ranged from 54% to 73.5%, comparable to a palmar approach. Two studies compared dorsal and palmar injections and found no significant differences in effectiveness. Pain scores for dorsal injections were similar or significantly lower than those for palmar injections in 2 studies. No adverse effects or complications were reported with either injection technique. Conclusion: Current evidence suggests a dorsal approach for CSI in trigger finger management is noninferior to a palmar approach in terms of efficacy and safety, with potential benefits in reducing injection-associated pain. However, more high-quality studies, including RCTs, are needed. Future research should assess anesthetic distribution and patient-reported outcomes to better understand the clinical implications of a dorsal CSI approach.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».