Anatomic Versus Mechanically Aligned Total Knee Arthroplasty for Unicompartmental Knee Arthroplasty Revision
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
OBJECTIVES: The purpose of this study was to compare the intra-operative benefits and the clinical outcomes from kinematic or mechanical alignment for total knee arthroplasty (TKA) in patients undergoing revision of failed unicompartmental kneel arthroplasty (UKA) to TKA. METHODS: Ten revisions were performed with a kinematic alignment technique and 11 with a mechanical alignment. Measurements of the hip-knee-ankle angle (HKA), the lateral distal femoral angle (LDFA), and the medial proximal tibial angle (MPTA) were performed using long-leg radiographs. The need for augments, stems, and constrained inserts was compared between groups. Clinical outcomes were compared using the WOMAC score along with maximum distance walked as well as knee range of motion obtained prior to discharge. All data was obtained by a retrospective review of patient files. RESULTS: The kinematic group required less augments, stems, and constrained inserts than the mechanical group and thinner polyethylene bearings. There were significant differences in the lateral distal femoral angle (LDFA) and the medial proximal tibial angle (MPTA) between the two groups (p<0.05). The mean WOMAC score obtained at discharge was better in the kinematic group as was mean knee flexion. At last follow up of 34 months for the kinematic group and 58 months for the mechanical group, no orthopedic complications or reoperations were recorded. CONCLUSION: Although this study has a small patient cohort, our results suggest that kinematic alignment for TKA after UKA revision is an attractive method. Further studies are warranted.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle