MétaCan
Menu
← Retour à la cohorte
Enregistrement W2527580878

STRAIGHT AND BALANCED: “GIMME THAT OLD TIME RELIGION” – OPPOSES

2018· article· en· W2527580878 sur OpenAlexaff
Michael Dunbar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensQueen Elizabeth II Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésTotal knee arthroplastyKinematicsOrthodonticsSoft tissuePerpendicularMedicineAnatomyComputer scienceSurgeryMathematicsPhysicsGeometry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Conventional total knee arthroplasty aims to place the joint line perpendicular to the mechanical axis, despite the fact that the normal knee is inclined approximately 3 degrees, resulting in a medial proximal tibial angle of 87 degrees. The goal of a neutral mechanical axis is based largely on historical biomedical studies and the fact that it is easier to make a neutral tibial cut with conventional jigs and the eye. In order to balance the flexion and extension gap to accommodate a neutral tibial cut, in most patients, asymmetrical distal and posterior femoral cuts are required. The resulting position of the femoral component could be considered to be “mal-rotated” with respect to the patient9s soft tissue envelope. Soft tissue releases are often required. The target of neutral mechanical axis, or “straight and narrow,” represents a compromise position with respect to the kinematics of the knee. Neutral mechanical alignment may not confer any befits with respect to survivorship but dissatisfaction rates are high globally, with approximately 20% of patients being dissatisfied after total knee arthroplasty in multiple studies. Computer assisted surgery and shape matching allow for consideration of placing total knee components to match an individual9s anatomy, as opposed to forcing the knee into an unnatural neutral mechanical alignment.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,018
Communication savante0,0030,003
Science ouverte0,0000,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,029
Tête enseignante GPT0,232
Écart entre enseignants0,203 · 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
GenreAutre

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

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHermeneutics and Narrative Identity→Travaux en français237 207→