Salvage of the proximal femur following pathological fractures involving benign bone tumors
Notice bibliographique
Résumé
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».