Comparing Quantification Methodologies for the Single-Leg Heel-Rise in Patients Following Operative and Non-Operative Management for Achilles Tendon Rupture
Notice bibliographique
Résumé
Background: The Single-Leg Heel-Rise test (SLHR) is commonly used to determine the functional status of patients following Achilles tendon rupture (ATR). Several methods exist to quantify performance variables during the SLHR including repetition counting, linear position transducers (LPT) and motion capture/analysis systems; however, they have not been directly compared following operative or non-operative management of ATR. Hypothesis/Purpose: The purpose of this study was to compare three methods to quantify repetition number, heel-rise height, and total work during the SLHR test in patients managed either operatively or non-operatively for ATR. Study Design: Cross-sectional study. Methods: Twenty-four patients who underwent either operative or nonoperative treatment for complete ATR completed SLHR to failure on a 10° angle board. LPT, two-dimensional motion capture, and the Calf Raise smartphone application recorded heel-rise repetitions and height. Intraclass correlation coefficients and Bland-Altman plots (95% limits of agreement) compared devices. Work was reported as absolute values and limb symmetry index. Two-way analyses of variance were completed for all variables. Results: In this sample of 17 males and 7 females (operative [n=12; 39.0±8.9 years; 9 male] and non-operative [n=12; 46.2±14.1 years; 8 male] groups) strong, positive correlations were demonstrated between all devices, with the highest occurring between motion capture and the app (r2 =0.997). Bland-Altman Limits of Agreement showed wide limits of agreement across all methods. Peak and accumulated heel-rise height was reduced on the affected limb when measured by all devices, translating to reduced affected limb total work (mean difference: motion capture -403.5 Joules [J] (95%CI -41.5-902.6), app -434.7 J (95%CI -924.3-54.8), and LPT -370.4 J (95%CI -802.6-61.9). Conclusion: LPT, motion capture, and the calf raise app can be used to quantify repetitions, work, and heel-rise height in patients following ATR. However, device values should not be used interchangeably due to wide limits of agreement across methodologies. Level of Evidence: Level 2c.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».