Image-Guided Techniques Improve the Short-Term Outcome of Autologous Osteochondral Cartilage Repair Surgeries
Notice bibliographique
Résumé
OBJECTIVE: Autologous osteochondral cartilage repair is a valuable reconstruction option for cartilage defects, but the accuracy to harvest and deliver osteochondral grafts remains problematic. We investigated whether image-guided methods (optically guided and template guided) can improve the outcome of these procedures. DESIGN: Fifteen sheep were operated to create traumatic chondral injuries in each knee. After 4 months, the chondral defect in one knee was repaired using (a) conventional approach, (b) optically guided method, or (c) template-guided method. For both image-guided groups, harvest and delivery sites were preoperatively planned using custom-made software. During optically guided surgery, instrument position and orientation were tracked and superimposed onto the surgical plan. For the template-guided group, plastic templates were manufactured to allow an exact fit between template and the joint anatomy. Cylindrical holes within the template guided surgical tools according to the plan. Three months postsurgery, both knees were harvested and computed tomography scans were used to compare the reconstructed versus the native pre-injury joint surfaces. For each repaired defect, macroscopic (International Cartilage Repair Society [ICRS]) and histological repair (ICRS II) scores were assessed. RESULTS: Three months after repair surgery, both image-guided surgical approaches resulted in significantly better histology scores compared with the conventional approach (improvement by 55%, P < 0.02). Interestingly, there were no significant differences found in cartilage surface reconstruction and macroscopic scores between the image-guided and the conventional surgeries.
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 | 0,000 | 0,000 |
| 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 ».