Impact of Age on Patient-Reported Outcome Measures in Total Knee Arthroplasty
Notice bibliographique
Résumé
Abstract Patient expectations and demographics are vital factors in determining patient satisfaction and outcomes from total knee arthroplasty (TKA). This study was a retrospective chart review that analyzed data from TKA patients to determine the impact of age on patient-reported outcomes measures following TKA. Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) and Oxford knee scores were collected as primary outcome measures from 356 consecutive patients who underwent TKA. Oxford knee scores were further divided into pain and function subscores. Patients were age categorized as <50, 50 to 59, 60 to 69, 70 to 79, and >79. Preoperative scores were compared among age categories including age category, gender, body mass index (BMI), and length of stay (LOS) in the model as fixed effects. Scores collected postoperatively (∼10, 30, 90, and 180 days postoperation) were analyzed as repeated measures including age category, day and their interaction, gender, BMI, LOS, and preoperative score in the model. Preoperative OXFORD scores significantly differed among age categories (p < 0.05) and were numerically higher for the older (≥60 years old) compared with younger patients (<60 years old). After adjusting for preoperative scores, postoperative WOMAC and overall, pain, and function OXFORD scores significantly differed among the age groups (p < 0.05), with patients younger than 60 years reporting the worst scores in the postoperative time period. Older patients reported better preoperative overall, pain, and function scores and greater post-TKA outcomes than younger patients. A better understanding of factors that influence patient-reported outcomes can help providers to better manage patient expectations.
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 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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».