Can Orthopedic Oncologists Predict Functional Outcome in Patients with Sarcoma after Limb Salvage Surgery in the Lower Limb? A Nationwide 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
Accurate predictions of functional outcome after limb salvage surgery (LSS) in the lower limb are important for several reasons, including informing the patient preoperatively and, in some cases, deciding between amputation and LSS. This study aimed to elucidate the correlation between surgeon-predicted and patient-reported functional outcome of LSS in the Netherlands. Twenty-three patients (between six months and ten years after surgery) and five independent orthopedic oncologists completed the Toronto Extremity Salvage Score (TESS) and the RAND-36 physical functioning subscale (RAND-36 PFS). The orthopedic oncologists made their predictions based on case descriptions (including MRI scans) that reflected the preoperative status. The correlation between patient-reported and surgeon-predicted functional outcome was "very poor" to "poor" on both scores (r (2) values ranged from 0.014 to 0.354). Patient-reported functional outcome was generally underestimated, by 8.7% on the TESS and 8.3% on the RAND-36 PFS. The most difficult and least difficult tasks on the RAND-36 PFS were also the most difficult and least difficult to predict, respectively. Most questions had a "poor" intersurgeon agreement. It was difficult to accurately predict the patient-reported functional outcome of LSS. Surgeons' ability to predict functional scores can be improved the most by focusing on accurately predicting more demanding tasks.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle