From: Use of artificial neural networks in the prognosis of musculoskeletal diseases—a scoping review
Study | Sample size (n) | Age (Yearsa) | Sex |
---|---|---|---|
Alfieri et al | 72 | 22.0 (21.0, 26.0) | m |
Alfieri et al | 2571 | - | - |
Bevevino et al | 134 | 24.0 (22.0, 28.0) | 130 m / 4f |
Bowman et al | 885 | 66.0 (21.0–93.0) m, 62.0 (20.0–100.0) f | 306 m / 579f |
Chen et al | 10,534 | 68.3 (14.6) | 4469 m / 6065f |
Eller-Vainicher et al | 372 | 68.0 (8.5) | f |
Jalali et al | 2143 | - | - |
Kim et al. (Korea) | 503 | 59.2 (14.4) | 226 m / 277f |
Kim et al. (USA) | 5794 | 59.5 | 2376 m / 3418f |
Lu et al | 654 | 21.7 (17.0, 29.0) | 500 m / 154f |
Miyoshi et al | 179 | - | 36 m / 143f |
Norgeot et al | 820 | 57.0(15.0)-60.0(15.0) | 148 m / 672f |
Salgueiro et al | 72 | 41.50 (21.0–59.0) | 3 m / 69f |
Scheer et al | 557 | 57.5 (15.3) | 118 m / 439f |
Shin et al | 74 | 67.27 (11.18) | 47 m / 27f |
Su et al | 236 | 67 (60–70) | 90 m / 146 |
Wang et al | 838 | 53.4 (12.5) | - |
Yahara et al | 58 | 12.5 (1.4) | 9 m / 49f |