MétaCan
Menu
Retour à la cohorte
Enregistrement W4415772147 · doi:10.1016/j.arrct.2025.100543

Screening, Diagnosis, and Treatment of Cardiometabolic Risk in Persons With Spinal Cord Injury/Disease: A Scoping Review

2025· article· en· W4415772147 sur OpenAlexafffund
Luxshmi Nageswaran, Dalton L. Wolfe, Laura J. Graham, Emma A. Bateman

Notice bibliographique

RevueArchives of Rehabilitation Research and Clinical Translation · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensSt Joseph's Health CareQueen's UniversityParkwood InstituteMcMaster UniversityLondon Health Sciences CentreWestern University
Organismes subventionnairesWestern University
Mots-clésPsychological interventionIntervention (counseling)Physical activityMEDLINESpinal cord injuryDisease

Résumé

récupéré en direct d'OpenAlex

Objectives: To map and categorize evidence related to cardiometabolic disease (CMD) risk in persons with spinal cord injury/disease (SCI/D) and to assess the proportion of studies reporting on sociodemographic variables. Data Sources: A scoping review of scientific evidence was conducted. MEDLINE, CINAHL, and EMBASE databases were searched using primary constructs (SCI/D, CMD) from inception to July 1, 2024. Study Selection: Articles must meet the following criteria: (1) full-length article, (2) available in English, (3) SCI/D population aged ≥18 years, and (4) diagnosed CMD and/or evaluated CMD strategies/interventions. Data Extraction: The following information was extracted from the included articles: title, country in which the study was conducted, participant characteristics, sociodemographic variables reported, objective/purpose statement, study design, study type, intervention type, CMD risk factors evaluated, assessment time point(s), additional non-CMD outcome measures, use of clinical practice guidelines for risk stratification, summary of results, and report of clinical implications. Data Synthesis: Of the 1726 studies screened, 120 met the inclusion criteria. Definitions from the Users' Guide to the Medical Literature were used to categorize studies under Diagnosis (n=75; 62.5%), Therapy (n=27; 22.5%), Prognosis (n=14; 11.7%), and Harm (n=4; 3.3%). Diagnosis studies commonly assessed the presence/absence of CMD using screening tools or biomarkers, although only 25 (20.7%) reported on sociodemographic variables, of which race (24.0%), ethnicity (17.3%), and education (13.3%) were most frequently reported. Positive findings for reducing the risk of obesity, hypertension, dyslipidemia, and diabetes mellitus were found across Therapy studies. Most (85.2%) incorporated health-promoting behaviors such as physical activity, nutritional counseling, and behavior change interventions. Four studies (14.8%) evaluated different pharmacologic treatments (atorvastatin, fenofibrate, α-lipoic acid, semaglutide) to target CMD risk factors. Conclusions: Most of the literature on CMD in persons with SCI/D pertains to Diagnosis, reinforcing the increased prevalence and risk compared with the general population. Physical activity was the most studied therapeutic intervention to manage CMD after SCI/D; however, the limited number of therapy studies demonstrates a need to explore the efficacy of tailored interventions and multipronged approaches. Sociodemographic reporting was poor across all study types, highlighting a gap in understanding subgroup risk. Future research should prioritize addressing these gaps to improve CMD care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,090
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,090
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,006
Bibliométrie0,0190,017
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,146
Tête enseignante GPT0,532
Écart entre enseignants0,386 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArchives of Rehabilitation Research and Clinical TranslationMême sujetSpinal Cord Injury ResearchTravaux en français237 207