MétaCan
Menu
Retour à la cohorte
Enregistrement W1779922449 · doi:10.1002/jso.24072

Salvage of the proximal femur following pathological fractures involving benign bone tumors

2015· article· en· W1779922449 sur OpenAlexaff
Pedro I. Carvallo, Anthony M. Griffin, Peter C. Ferguson, Jay S. Wunder

Notice bibliographique

RevueJournal of Surgical Oncology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueBone Tumor Diagnosis and Treatments
Établissements canadiensUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineChondroblastomaInternal fixationCurettageSurgeryFibrous dysplasiaPathologicalBone graftingFemurGiant-cell tumor of bonePathologic fractureRadiologyGiant cellInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: To describe the surgical treatment of patients with a pathologic fracture through a benign tumor of the proximal femur to determine if there is a difference in local recurrence, complications or functional outcome compared to patients with tumors in the same location without pathologic fractures. METHODS: From 1989-2010, of 97 patients, 29 presented with a pathologic fracture (PF) through a proximal femoral benign bone tumor and 68 presented without a pathologic fracture (NPF). Outcomes of the two groups were compared in terms of surgical management, postoperative complications, local recurrence and functional scores. RESULTS: Fibrous dysplasia, giant cell tumor of bone and chondroblastoma were the most common subtypes. Most patients were managed with joint preservation in both PF (86.2%) and NPF (98.5%) groups (P = 0.03). Local recurrence risk was similar for patients in the PF (10.3%) and NPF (8.8%) groups. Mean follow-up was 105.7 months (P = 0.8). Functional outcome scores were high in both groups and not statistically significantly different. CONCLUSIONS: The majority of pathologic fractures through a benign bone tumor of the proximal femur can be successfully treated with curettage, burring, bone grafting and internal fixation without increasing the risk of local recurrence or negatively impacting functional outcome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,095
Score d'incertitude au seuil0,320

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,337
Écart entre enseignants0,296 · 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 tête enseignante, 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

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Surgical OncologyMême sujetBone Tumor Diagnosis and TreatmentsTravaux en français237 207