MétaCan
Menu
Retour à la cohorte
Enregistrement W2331250964 · doi:10.1097/jsa.0000000000000045

Computer Navigation and Patient-specific Instrumentation in Shoulder Arthroplasty

2014· review· en· W2331250964 sur OpenAlexaff
Olivier Verborgt, Matthias Vanhees, Steven Heylen, Philippe Hardy, G Declercq, Ryan T. Bicknell

Notice bibliographique

RevueSports Medicine and Arthroscopy Review · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensKingston General HospitalQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineArthroplastyScapulaImplantFixation (population genetics)DeformityOsteoarthritisInstrumentation (computer programming)OrthodonticsSurgeryComputer science

Résumé

récupéré en direct d'OpenAlex

Longevity of total anatomic and reversed shoulder arthroplasty largely depends on accurate correction of glenoid deformity and correct positioning and fixation of the glenoid component. However, the morphology of the scapula is inconsistent, varying degrees of osteoarthritis cause numerous anatomic changes, and standard 2-dimensional imaging and standard surgical instrumentation are imprecise for preoperative planning and execution of glenoid reconstruction. Recently, various authors have shown that preoperative 3-dimensional surgical planning and computer navigation technology may increase the accuracy and repeatability of the implantation of the glenoid component, especially for the position and orientation of the glenosphere and screws in reversed arthroplasty. These novel techniques may allow the surgeon to better define the preoperative deformity, select the optimal implant position, and then accurately execute the plan at the time of surgery. Future studies are needed to determine the long-term effect on functional outcome and cost-effectiveness of computer-assisted technology in shoulder arthroplasty.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,040
Tête enseignante GPT0,367
Écart entre enseignants0,326 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations64
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSports Medicine and Arthroscopy ReviewMême sujetShoulder Injury and TreatmentTravaux en français237 207