SURGICAL EFFICIENCY AND LEARNING CURVE DURING ROBOTIC-ASSISTED TOTAL KNEE ARTHROPLASTY
Notice bibliographique
Résumé
Introduction Total knee arthroplasty (TKA) is a well established treatment option for patients with end stage osteoarthritis. Conventional TKA with manual instruments has been shown to be a cost effective and time efficient surgery. While robotic-assisted operative systems have been shown to have benefits in surgical accuracy, they have also been reported to have longer surgical times. The purpose of this work was to determine surgical time and learning curve for a novel robotic-assisted TKA platform. Methods Eighty-five subjects underwent robotic-assisted TKA by one of three investigators as part of an FDA and IRB approved Investigational Device Exemption (IDE). All patients received a cruciate retaining total knee implant system. Intra-operative safety, Western Ontario and McMaster Universities Arthritis Index (WOMAC) and Knee Society Scores (KSS) were collected pre-operatively and at three month follow-up. In addition, surgical times were collected as part of a TKA work flow. To identify activities related to surgical steps required for robotic procedures specific time stamps were determined from the system. Capture of the hip center to final bone cut was used to define case time and identify robotic learning curve. Descriptive statistics were used to analyze results. Results Surgeon one completed 24 cases, surgeon two completed 32, and surgeon three completed 29 cases in the study. An average surgical time of 44 minutes with standard deviation of 15.7 minutes was recorded. On average surgeons improved in surgical time with increasing cases as indicated by linear regression results. During initial cases, surgeons repeated intra-operative planning steps which decreased with the learning curve. In addition, the average WOMAC score improvement from pre-operative to three months was 33.1 ± 20.04 (p Conclusion With cost related pressures in healthcare, hospitals and surgeons focus on improvements in surgical efficiency to stay competitive. The results of this study indicated comparable operative times to conventional TKA cases as reported in literature with the added benefit of optimizing surgical accuracy. Robotic solutions in TKA may become increasingly efficient as surgeons complete a learning curve.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».