MétaCan
Menu
Retour à la cohorte
Enregistrement W1978907195 · doi:10.1007/s11999-008-0420-3

To Resurface or Not to Resurface the Patella in Total Knee Arthroplasty

2008· article· en· W1978907195 sur OpenAlexaff
Naeder Helmy, Carolyn Anglin, Nelson V. Greidanus, Bassam A. Masri

Notice bibliographique

RevueClinical Orthopaedics and Related Research · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueTotal Knee Arthroplasty Outcomes
Établissements canadiensUniversity of CalgaryVancouver Hospital and Health Sciences CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicinePatellaArthroplastyTotal knee arthroplastyPhysical therapySports medicineIncidence (geometry)Randomized controlled trialAnterior knee painSurgery

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: The management of the patellar articular surface at the time of primary total knee arthroplasty (TKA) is controversial. We used expected-value decision analysis to determine whether the patella should be resurfaced in TKA, and also whether secondary resurfacing on an unresurfaced patella is worthwhile. Outcome probabilities and utility values were derived from randomized controlled trials only. A decision tree was constructed and fold-back analysis was performed to ascertain the best treatment path. Sensitivity analyses were performed to determine the effect on decision-making of varying outcome probabilities and utilities. Our model showed patellar resurfacing is the best management strategy for the patella at the time of primary TKA. This decision is robust to changes in the specific data: the best path would remain the same as long as the incidence of persistent anterior knee pain (AKP) with resurfacing remains less than 29% (current mean, 12%) or the incidence of AKP after nonresurfacing falls below 12% (current mean, 26%). Delayed (ie, secondary) patellar resurfacing for ongoing patellar pain provides inferior results for the majority of patients. LEVEL OF EVIDENCE: Level II, decision analysis. See the Guidelines for Authors for a complete description of levels of evidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,048
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,128
Tête enseignante GPT0,431
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), 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

Citations84
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Orthopaedics and Related ResearchMême sujetTotal Knee Arthroplasty OutcomesTravaux en français237 207