The Best of Tendon and Nerve Transfers in the Upper Extremity
Notice bibliographique
Résumé
LEARNING OBJECTIVES: After reading this article, the participant should be able to: 1. Identify the prerequisite conditions to perform a tendon or a nerve transfer. 2. Detail some of the current nerve and tendon transfer options in upper extremity peripheral nerve injuries. 3. Understand the advantages and disadvantages of tendon and nerve transfers used in isolation and in combination. 4. Appreciate the controversies that surround the nerve/tendon transfers. 5. Realize the treatment outcomes of peripheral nerve injuries. SUMMARY: Traditional treatment of a Sunderland fourth- or fifth-degree peripheral nerve injury has been direct neurorrhaphy, nerve grafting, or tendon transfers. With increasing knowledge of nerve pathophysiology, additional treatment options such as nerve transfers have become increasingly popular. With an array of choices for treating peripheral nerve injuries, there is debate as to whether tendon transfers and/or nerve transfers should be performed to restore upper extremity function. Often, tendon and nerve transfers are used in combination as opposed to one in isolation to obtain the most normal functioning extremity without unacceptable donor deficits. The authors tend to prefer reconstructive techniques that have proven long-term efficacy to restore function. Nerve transfers are becoming more common practice, with excellent results; however, the authors are wary of using nerve transfers that sacrifice possible secondary tendon reconstruction should the nerve transfer fail.
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 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».