MétaCan
Menu
← Retour à la cohorte
Enregistrement W7115029673

Healthcare Use Patterns for High Volume Musculoskeletal Shoulder Disorders: A Longitudinal Cohort from the US Military Health System

2025· article· en· W7115029673 sur OpenAlexaff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensInstitute of Population and Public Health
Organismes subventionnairesnon disponible
Mots-clésHealth careCohortBiostatisticsOrthopedic surgeryMedical diagnosisEpidemiologyMusculoskeletal disorderRetrospective cohort studyAcromioclavicular joint
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Steven Z George,1 Sarah Morton-Oswald,2 Hui-Jie Lee,2 Maggie E Horn,3 Nrupen A Bhavsar,4 Daniel I Rhon5 1Departments of Orthopaedic Surgery and Population Health Sciences, Duke Clinical Research Institute, Duke University, Durham, NC, USA; 2Department of Biostatistics and Bioinformatics, Duke University School of Medicine, Durham, NC, USA; 3Departments of Orthopaedic Surgery and Population Health Sciences, Duke University, Durham, NC, USA; 4Departments of Surgery and Biostatistics and Bioinformatics, Duke University School of Medicine, Durham, NC, USA; 5Department of Physical Medicine and Rehabilitation, F. Edward Hébert School of Medicine, Uniformed Services University, Bethesda, MD, USACorrespondence: Steven Z George, Email steven.george@duke.eduBackground: Shoulder injuries are a prevalent form of musculoskeletal disorders and common reason to seek healthcare. Health system level care utilization patterns for shoulder disorders are unknown. Accordingly, we described the frequency and timing of diagnostic imaging and treatment for a new episode of shoulder pain and determine usage variations across common diagnostic subgroups, military, and private sector care clinics.Methods: A retrospective cohort of US Military Health System beneficiaries (n = 456,241) classified into 1) non-specific shoulder diagnosis only, 2) rotator cuff/sub-acromial pain, 3) acromioclavicular (AC joint) dysfunction, 4) shoulder instability/dislocation, 5) hypomobility/adhesive capsulitis, 6) osteoarthrosis, and 7) multiple diagnoses. Outcomes were healthcare use encounters within the first three months of the index visit classified into diagnostic imaging, pharmacological, and non-pharmacological treatments.Results: The mean age of the cohort was 41 years old (SD 13). A majority of the cohort never received diagnostic imaging (76.7%). Advanced imaging was common for the multiple diagnoses group (53.6% of all advanced imaging). NSAIDS was the most common pharmacological treatment with 10.4% receiving at least one prescription, and physical therapy was the most common nonpharmacologic treatment received by 31% of the cohort. There was lower physical therapy and active treatment use and higher MRI or X-ray use for the same diagnostic group when care was initiated in a civilian clinic. Patients with rotator cuff disorders, multiple shoulder diagnoses, and hypomobility disorders were likely to have received at least one steroid joint injection if care was initiated in civilian compared to military clinics (28.1% vs 16%; 41.2% vs 32%; and 18.6% vs 13.3%, respectively).Conclusion: Care patterns for high volume shoulder injuries were largely congruent across military and civilian clinics. However, for specific diagnostic groups, use of imaging, steroid injections and physical therapy varied notably between military and civilian clinics.Keywords: shoulder condition, health care utilization, shoulder disorder, care patterns

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,535
Écart entre enseignants0,373 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetShoulder Injury and Treatment→Travaux en français237 207→