Incidence of and Risk Factors for Lower Extremity Apophysitis in Children and Adolescents
Notice bibliographique
Résumé
INTRODUCTION: Apophysitis is a common musculoskeletal injury in children and adolescents often resulting in pain and deformity such as bony prominences in Osgood-Schlatter, leading to reduced physical function. A concerning consequence of lower extremity (LE) apophysitis is its potential to reduce physical activity. OBJECTIVES: We aimed to describe the incidence of lower extremity apophysitis in children and estimate the association of leisure-time sport (LT-sport) participation and physical education (PE) on apophysitis incidence. METHODS: In a 5.5-year prospective cohort study of primary-school students, parents sent weekly text messages reporting injury occurrences and LT-sport participation data in the participating children. Injury reports triggered subsequent clinical evaluation. RESULTS: We analyzed data from 878 girls and 792 boys and identified 1265 episodes of apophysitis in 1670 children. Sever's, Sinding-Larsen-Johansson's, and Osgood-Schlatter's diseases constituted more than 99% of LE-apophysitis cases. The median time of injury duration was 3-4 weeks, and the range was between 1 and 45 weeks. The incidence was between 3.2 and 7.0 cases of LE apophysitis per 1000 LT-sport participations. Extra physical education did not increase the risk of apophysitis, whereas children who participated in soccer, handball, basketball, and jump gymnastics were at increased risk (risk ratio [RR] = 2.07-2.74). CONCLUSIONS: Lower extremity apophysitis can result in months of pain. This is important as prolonged periods of injury could reduce LT-sport and exercise participation, thereby decreasing health-related physical activity in childhood. Our results suggest early diagnosis and activity modification in children and adolescents with apophysitis may reduce injury duration, but future intervention studies are required before more definitive causal conclusions can be drawn. TRIAL REGISTRATION: Danish Data Protection Agency (J. no. 2008-41-2240) and ClinicalTrials.gov (NCT03510494).
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».