Monitoring External Workload With Wearable Technology After Anterior Cruciate Ligament Reconstruction: A Scoping Review
Notice bibliographique
Résumé
Background:Current sports medicine and rehabilitation trends indicate an increasing use of wearable technology. The ability of these devices to collect, transmit, and process physiological, biomechanical, bioenergy, and environmental data may aid in anterior cruciate ligament reconstruction (ACLR) workload monitoring and return-to-sport decision-making. In addition, their ease of use allows assessments to occur outside the clinical or laboratory settings and across a broader timeline.Purpose:To (1) determine how wearable technology can assess external workload deficits between limbs (involved and uninvolved) and between groups (healthy controls vs patients with ACLR) during physical activity (PA) or sport and (2) describe the types of sensors, sensor specifications, assessment protocols, outcomes of interest, and participant characteristics from the included studies.Study Design:Scoping review; Level of evidence, 4.Methods:In February 2023, a systematic search was performed in the MEDLINE, EMBASE, CINAHL, SPORTDiscus, Scopus, IEEE Xplore, Compendex, and ProQuest Dissertations and Theses Global databases. Eligible studies included assessments of PA or sports workloads via wearable technology after ACLR.Results:Twenty articles met eligibility criteria and were included. The primary activity assessed was activities of daily living, although rehabilitation, training, and competition were also represented. Accelerometers, global positioning system units, pedometers, and pressure sensor insoles were worn to collect external workload data, which was quantified as kinetic, kinematic, and temporospatial data. Daily steps (count) and moderate to vigorous PA (min/day or week) were the most common units of measurement. A limited number of studies included outcomes related to between-limb asymmetries.Conclusion:The findings of this scoping review highlight the versatility of wearable technologies to collect patients’ kinetic, kinematic, and temporospatial data and assess external workload outcomes after ACLR. In addition, some wearable technologies identified deficits in workload compared with healthy controls and between reconstructed and unaffected limbs.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | low |
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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,018 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».