Computer-assisted patellar resection for total knee arthroplasty
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Incorrect patellar resection during total knee arthroplasty can lead to anterior knee pain, patellar maltracking, patellofemoral impingement, patellar fracture, component loosening and reduced range of motion. A computer-assisted surgery (CAS) system was developed to improve the accuracy of the patellar cut. Twelve cadaveric knee specimens (6 pairs) were surgically prepared and the patella resected by two senior orthopaedic residents using either a conventional sawguide technique (right knee) or a computer-assisted sawguide technique (left knee). Multiple cuts and measurements were permitted for the conventional technique, to reflect the clinical situation, whereas only a single cut was permitted for the CAS technique. Prior training had been provided on artificial bones for both techniques. Custom marker arrays were mounted on the sawguide and patella. The user positioned the sawguide based on a real-time display that compared the current sawguide plane to the ideal resection. The resulting mediolateral and superoinferior resection angles and central thickness were measured from CT scans of the specimens, relative to the anterior surface of the patella. Both techniques resulted in symmetric cuts (<7°). Repeatability in the mediolateral direction was better for the CAS technique than for the conventional technique (p<0.01). This study demonstrated that computer-assisted patellar resection is a feasible approach that can produce results equal to or better than those obtained with conventional techniques, even when the experimental conditions favor the conventional technique. Improvements in the CAS hardware could further improve the accuracy and usability of the system, resulting in reductions in postoperative complications. Patellar CAS could also serve as a valuable tool for feedback and training.
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.
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) | 0,001 | 0,001 |
| 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 découle