Does Alignment in the Hindfoot Radiograph Influence Dynamic Foot-floor Pressures in Ankle and Tibiotalocalcaneal Fusion?
Notice bibliographique
Résumé
BACKGROUND: The Saltzman-el-Khoury hindfoot alignment view (HAV) is considered the gold standard for assessing the axis from hindfoot to tibia. However, it is unclear whether radiographic alignment influences dynamic load distribution during gait. QUESTIONS/PURPOSES: We evaluated varus-valgus alignment by the HAV and its influence on dynamic load distribution in ankle and tibiotalocalcaneal (TTC) arthrodesis. PATIENTS AND METHODS: We clinically assessed 98 patients (ankle, 56; TTC, 42) with SF-36 and American Orthopaedic Foot and Ankle Society (AOFAS) scores, visual hindfoot alignment, HAV angle, and dynamic pedobarography using a five-step method. For comparison, 70 normal feet were evaluated. Minimum followup was 2 years (average, 4.11 years; range, 2-6 years). RESULTS: The mean HAV angle was -0.8° ± 7.8° for ankle and -1.2° ± 6.9° for TTC arthrodesis. The HAV angle correlated with pedobarographic load distribution (r = 0.35-0.53). Radiographic alignment did not influence SF-36 or AOFAS scores; however, load distribution correlated to qualities of these scores. Visual alignment only predicted the corresponding HAV angle in 48%. To reproduce the dynamic load of healthy subjects, HAV angles of 5° to 10° valgus were needed. CONCLUSIONS: Visual positioning is inadequate to determine intraoperative positioning and resulted in a varus position with a relatively large SD. The HAV should be used to assess the hindfoot alignment correctly. HAV angles of 5° to 10° valgus are needed to reproduce a physiologic gait pattern.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».