Biomechanical, psychometric, and clinical evaluation of patients with orthopaedic shoulder instability: a cross-sectional study.
Notice bibliographique
Résumé
The main aim of this study was to develop a biomechanical, subjective, and clinical characterisation of shoulder instability patients. 38 adults with glenohumeral instability were enrolled. To assess the outcome variables, a goniometer, dynamometer, ultrasound, MoveUS Test, T-Fast Test, Western Ontario Shoulder Instability Index (WOSI), Quick-Piper fatigue scale, and Questionnaire on the athlete’s self-perception of returning to standardised training after an injury (RTP) were used. Results showed that WOSI was correlated with the range of motion (r = −0.379 to −0.513; <i>p</i> < 0.002), and with the Quick-Piper Fatigue Scale (<i>r</i> = 0.807; <i>p</i> < 0.001). Furthermore, RTP showed correlations with the range of motion (<i>r</i> = 0.357 to 0.370; <i>p</i> < 0.028), 120” T-Fast Test (<i>r</i> = 0.324; <i>p</i> = 0.047), WOSI (r = −0.746; <i>p</i> < 0.001), and Quick Piper Fatigue Scale (r= −0.389; <i>p</i> < 0.001). Likewise, muscle thickness at contraction showed a direct correlation with force peak (<i>r</i> = 0.334; <i>p</i> = 0.040); and T-Fast Test with pressure in push-ups (<i>r</i> = 0.441; <i>p</i> = 0.006), and explosive force peak (<i>r</i> = 0.355; <i>p</i> = 0.029). Moreover, three significant estimation models demonstrated that the quality of life, the capacity to return to play, and the endurance could be estimated using simple strength and mobility tests. Goniometric, ergometric, dynamometric, sonographic, and subjective properties are greatly correlated in patients with glenohumeral instability, facilitating the development of short evaluations to predict the most complex variables.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,036 | 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 ».