Five-Year Follow-up of Knee Joint Distraction: Clinical Benefit and Cartilaginous Tissue Repair in an Open Uncontrolled Prospective Study
Notice bibliographique
Résumé
Objective In end-stage knee osteoarthritis, total knee arthroplasty (TKA) may finally become inevitable. At a relatively young age, this comes with the risk of future revision surgery. Therefore, in these cases, joint preserving surgery such as knee joint distraction (KJD) is preferred. Here we present 5-year follow-up data of KJD. Design Patients ( n = 20; age <60 years) with conservative therapy resistant tibiofemoral osteoarthritis considered for TKA were treated. Clinical evaluation was performed by questionnaires. Change in cartilage thickness was quantified on radiographs and magnetic resonance images (MRI). The 5-year changes after KJD were evaluated and compared with the natural progression of osteoarthritis using Osteoarthritis Initiative data. Results Five-years posttreatment, patients still reported clinical improvement from baseline: ΔWOMAC (Western Ontario and McMaster Universities Arthritis Index) +21.1 points (95% CI +8.9 to +33.3; P = 0.002), ΔVAS (visual analogue scale score) pain -27.6 mm (95%CI -13.3 to -42.0; P < 0.001), and minimum radiographic joint space width (JSW) of the most affected compartment (MAC) remained increased as well: Δ +0.43 mm (95% CI +0.02 to +0.84; P = 0.040). Improvement of mean JSW (x-ray) and mean cartilage thickness (MRI) of the MAC, were not statistically different from baseline anymore (Δ +0.26 mm; P = 0.370, and Δ +0.23 mm; P = 0.177). Multivariable linear regression analysis indicated that KJD treatment was associated with significantly less progression in mean and min JSW (x-ray) and mean cartilage thickness (MRI) compared with natural progression (all Ps <0.001). Conclusions KJD treatment results in prolonged clinical benefit, potentially explained by an initial boost of cartilaginous tissue repair that provides a long-term tissue structure benefit as compared to natural progression. Level of evidence, II.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».