Use of a Validated Algorithm to Judge the Appropriateness of Total Knee Arthroplasty in the United States: A Multicenter Longitudinal Cohort Study
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
OBJECTIVE: In previous studies conducted outside the US, ∼20% of total knee arthroplasty (TKA) surgeries were judged to be inappropriate. The present study was undertaken to determine the prevalence rates of TKA surgeries classified as appropriate, inconclusive, and inappropriate in a knee osteoarthritis population in the US. METHODS: We used a modification of a validated appropriateness classification system and applied it to patients in the Osteoarthritis Initiative data set who underwent TKA. A variety of preoperative data were used in the classification, including Western Ontario and McMaster Universities Osteoarthritis Index pain and physical function scores, radiographic features, knee motion and laxity measures, and age. RESULTS: Data on 205 patients who underwent TKA were examined. The prevalence rates for classification of the procedure as appropriate, inconclusive, and inappropriate were 44.0% (95% confidence interval [95% CI] 37-51%), 21.7% (95% CI 16-28%), and 34.3% (95% CI 27-41%), respectively. CONCLUSION: Approximately one-third of TKA surgeries were judged to be inappropriate. Variation in the characteristics of patients undergoing TKA was extensive. These data support the need for consensus development of criteria for patient selection among US practitioners treating patients who are potential candidates for TKA. Among the important issues, consensus development needs to address variation in patient characteristics and the relative importance of preoperative status and subsequent 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.
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 | 0,001 |
| 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 | 0,000 |
| 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