Meta-Review of the Quantity and Quality of Evidence for Knee Arthroplasty Devices
Notice bibliographique
Résumé
INTRODUCTION: Some cardiovascular devices are licensed based on limited evidence, potentially exposing patients to devices that are not safe or effective. Research is needed to ascertain if the same is true of other types of medical devices. Knee arthroplasty is a widely-used surgical procedure yet implant failures are not uncommon. The purpose of this study was to characterize available evidence on the safety and effectiveness of knee implants. METHODS: A review of primary studies included in health technology assessments (HTA) on total (TKA) and unicompartmental knee arthroplasty (UKA) was conducted. MEDLINE, EMBASE, CINAHL, Cochrane Library and Biotechnology & BioEngineering Abstracts were searched from 2005 to 2014, plus journal tables of contents and 32 HTA web sites. Patients were aged 18 and older who underwent primary TKA or UKA assessed in cohort or randomized controlled studies. Summary statistics were used to report study characteristics. RESULTS: A total of 265 eligible primary studies published between 1986 and 2014 involving 59,217 patients were identified in 10 HTAs (2 low, 7 moderate, 1 high risk of bias). Most evaluated TKA (198, 74.5%). The quality of evidence in primary studies was limited. Most studies were industry-funded (23.8%) or offered no declaration of funding or conflict of interest (44.9%); based on uncontrolled single cohorts (58.5%), enrolled fewer than 100 patients (66.4%), and followed patients for 2 years or less (UKA: single cohort 29.8%, comparative cohort 16.7%, randomized trial 25.0%; TKA: single cohort 25.0%, comparative cohort 31.4%, randomized trial 48.6%). Furthermore, most devices were evaluated in only one study (55.3% TKA implants, 61.1% UKA implants). CONCLUSIONS: Patients, physicians, hospitals and payers rely on poor-quality evidence to support decisions about knee implants. Further research is needed to explore how decisions about the use of devices are currently made, and how the evidence base for device safety and effectiveness can be strengthened.
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 | 0,042 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,026 | 0,053 |
| Bibliométrie | 0,016 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».