Arthroscopic repair of type II SLAP lesions: Clinical and anatomic follow-up
Notice bibliographique
Résumé
AIMS: The aim was to evaluate the clinical and anatomic outcome of arthroscopic repair of type II SLAP lesions. MATERIALS AND METHODS: The senior author performed isolated repairs of 25 type II SLAP lesions in 25 patients with a mean age of 40.0 ± 12 years. All tears were repaired using standard arthroscopic suture anchor repair to bone. All patients were reviewed using a standardized clinical examination by a blinded, independent observer, and using several shoulder outcome measures. Patients were evaluated by magnetic resonance imaging arthrogram at a minimum of 1-year postoperatively. STATISTICAL ANALYSIS USED: Two-tailed paired t-test were used to determine significant differences in preoperative and postoperative clinical outcomes scores. In addition, a Fisher's exact test was used. RESULTS: At a mean follow-up of 54-month, the mean American Shoulder and Elbow Surgeons Shoulder Index (ASES) scores improved from 52.1 preoperatively to 86.1 postoperatively (P < 0.0001) and the Simple Shoulder Test (SST) scores from 7.7 to 10.6 (P < 0.0002). Twenty-two out of the 25 patients (88%) stated that they would have surgery again. Of the 21 patients who had postoperative magnetic resonance imaging arthrographys (MRAs), 9 patients (43%) demonstrated dye tracking between the labrum bone interface suggestive of a recurrent tear and 12 patients (57%) had a completely intact repair. There was no significant difference in ASES, SST, and patient satisfaction scores in patients with recurrent or intact repairs. CONCLUSIONS: Arthroscopic repair of type II SLAP lesions demonstrated improvements in clinical outcomes. However, MRA imaging demonstrated 43% of patients with recurrent tears. MRA results do not necessarily correlate with clinical outcome.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 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 ».