Prevalence of Clinically Significant Improvement Following Total Knee Replacement
Notice bibliographique
Résumé
OBJECTIVE: Although total knee replacement (TKR) has a high reported success rate, the pain relief and functional improvement after surgery vary. The purpose of our retrospective cohort study was to determine the prevalence of patients showing no clinically important improvement 1 year after TKR, and patient factors that may predict this outcome. METHODS: We reviewed primary TKR registry data that were collected from 2 academic hospitals: the Toronto Western Hospital and the Hamilton Health Sciences Henderson Hospital in Ontario, Canada. Relevant covariates including demographic data, body mass index, and comorbidity were recorded. Knee joint pain and functional status were assessed at baseline and at 1-year followup with the Western Ontario McMaster University Osteoarthritis Index (WOMAC) and Oxford Knee Score (OKS) to measure the change using the minimal clinically important difference (MCID). Logistic regression modeling was used to identify the predictors of interest. RESULTS: Overall, 11.7% (373/3177) of patients reported no clinically important improvement 1 year after surgery. Logistic regression modeling showed that a greater patient age independently predicted no clinically important improvement on the WOMAC scale 1 year after surgery (p = 0.0003), while being male independently predicted no clinically important improvement on the OKS 1 year after surgery (p = 0.008). CONCLUSION: Awareness of the prevalence of patients who may show no clinically important improvement and factors that predict this outcome will help patients and surgeons set realistic expectations of surgery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».