Risk prediction of anterior cruciate ligament injuries: a new model
Notice bibliographique
Résumé
Il est estimé qu’un million de déchirures de ligaments croisés antérieurs (LCA) surviennent chaque année au Canada et aux États-Unis. Ces blessures résultent en une diminution de participation des athlètes à leur sport ainsi qu’une diminution des niveaux d’activité physique de manière globale, ce qui présente non-seulement des désavantages sur la santé physique, mais qui cause aussi de la souffrance personnelle. À l’encontre de plusieurs cadres de pensé actuels, la solution à ce problème se trouve dans la prévention primaire des blessures et non dans l’innovation de nouvelles techniques chirurgicales pour assurer une bonne guérison des blessures. Un des grands enjeux dans la prévention primaire est l’identification des individus à risque élevé. Une des méthodes utilisées pour l’évaluation des blessures du LCA est l’analyse du mouvement, qui est réalisée dans des laboratoires précis à ces fins. L’analyse du mouvement a déjà démontré que la biomécanique observée lors des sauts standardisés peut prédire, de manière fiable, le risque de blessure au genou. Ces systèmes sont malheureusement très dispendieux et sont seulement disponibles dans des centres de recherche de haut calibre. Notre but est de développer un outil qui peut prédire le risque de blessure du LCA, ce qui permettrait d’identifier les athlètes qui présentent un risque élevé de blessure du LCA. En intégrant les atouts de la technologie moderne avec celles de la médecine actuelle, nous avons développé une application électronique facile d’accès et d’utilisation, qui peut être téléchargée sur n’importe quel ordinateur à condition qu’il soit équipé d’une caméra avec capture 3-D. Cette application à bas coût peut enregistrer, et analyser les mouvements biomécaniques d’un individu et, à l’aide d’angles pronostiques de sauts, déterminer le risque de blessure. Nos données ont démontré de résultats comparables au système d’analyse du mouvement, fournissant une méthode d’évaluation alternative pour la détermination du risque de blessure du LCA. Notre système pourra éventuellement informer des programmes de prévention, dans le but de réduire le nombre de blessures du LCA subit chaque année
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».