Functional improvement after Total Knee Arthroplasty Revision: New observations on the dimensional nature of outcome
Notice bibliographique
Résumé
BACKGROUND: Despite the numerous outcomes measures described it remains unclear what aspects of patient outcome are important in determining actual improvement following total knee arthroplasty revisions (TKAR). We performed a prospective cohort study of TKAR to determine the components of clinical improvement and how they are related and best measured. METHODS: An improvement scale was devised utilizing data from 186 consecutive TKAR patients on SF-36 physical (PCS) and mental (MCS) components, Western Ontario and McMaster Universities Osteoarthritis (WOMAC) Index, Knee Society Score (KSS), a novel Activity Scale (AS) and a physician derived severity assessment scale performed both preoperatively and at 6 month post-operative follow-up. The change in each of these scores was analyzed using factor analysis, deriving a composite improvement scale. RESULTS: All the instruments demonstrated statistically significantly better scores following TKAR (except the SF-36 MCS). Furthermore, all significant correlations between the scores were positive. Statistical factor analysis demonstrated that scores could be arranged into 4 related factor groupings with high internal consistency (Cronbach Alpha = 0.7). Factor 1 reflected patient perceived functional outcomes, Factor 2 activity levels, Factor 3 the MCS and Factor 4 the KSS. CONCLUSION: This study demonstrates that improvement following TKAR has a multidimensional structure. The improvement scales represent a more coordinated method of the previously fragmented analysis of TKAR outcomes. This will improve assessment of the actual effectiveness of TKAR for patients and what aspects of improvement are most critical.
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 | 0,007 | 0,003 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».