MétaCan
Menu
Retour à la cohorte
Enregistrement W2152810672 · doi:10.3109/10929088.2012.706644

Kinematics and laxity of a linked total elbow arthroplasty following computer navigated implant positioning

2012· article· en· W2152810672 sur OpenAlexafffund
James R. Brownhill, Colin McDonald, Louis M. Ferreira, J. Whitcomb Pollock, James A. Johnson, Graham J.W. King

Notice bibliographique

RevueComputer Aided Surgery · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensWestern UniversitySt Joseph's Health Care
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésElbowKinematicsImplantCadaveric spasmValgusArthroplastyOrthodonticsComputer scienceMedicineSurgeryPhysics

Résumé

récupéré en direct d'OpenAlex

Aseptic loosening in total elbow arthroplasty (TEA) remains the most common cause of long-term failure. While several different mechanisms of implant loosening have been suggested, it is likely that one important underlying cause is implant malpositioning, resulting in changes in joint kinematics and loading. Although use of computer navigation has been shown to improve component positioning in other joints, no such system currently exists for the elbow. This study used real-time computer feedback for humeral, ulnar, and radial component positioning in 11 cadaveric extremities. An elbow motion simulator evaluated joint kinematics. Endosteal abutment of the stems of the humeral and ulnar components precluded optimal positioning in 5 and 6 specimens, respectively. Loss of the normal valgus angulation following elbow arthroplasty (p < 0.05) suggests that errors in humeral component positioning translate directly into changes in joint kinematics during active motion. These findings suggest that although computer navigation can reproduce normal joint kinematics, optimal implant positioning may require a TEA system which allows for some modularity to accommodate the normal variations in osseous morphology of the elbow.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,280
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComputer Aided SurgeryMême sujetShoulder Injury and TreatmentTravaux en français237 207