Modelling Knee Range of Motion Post Arthroplasty: Clinical Applications
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
PURPOSE: To model change in knee range of motion (ROM) post total knee arthroplasty (TKA) and to show how this information can be incorporated into clinical decision making. METHOD: We applied a variable-occasion repeated-measures study design. Patients' knee flexion and extension ROM were assessed pre- and post arthroplasty over the ensuing 60 weeks. We examined change in ROM post TKA using linear and nonlinear mixed-effects modelling, and examined whether age, body mass index, prearthroplasty ROM, and gender were determinants of recovery in post-arthroplasty ROM. RESULTS: Of 93 eligible patients, 74 provided pre- and post-arthroplasty data. A random intercept nonlinear model fit the flexion data best, and a random intercept linear model fit the extension data best. Pre-arthroplasty ROM was found to be a determinant of recovery in ROM post arthroplasty. This finding was common to both flexion and extension models. CONCLUSIONS: Our study showed that the greatest improvement for knee ROM took place during the first 12 weeks post arthroplasty. Of the variables examined, only pre-arthroplasty ROM was a determinant of outcome (p<0.05). The study results provide clinicians with data to determine expected rates of improvement for patients as well as the projected maximum ROM, facilitating improved clinical decision making.
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) | 0,000 | 0,000 |
| 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