Small Improvements in Postoperative Outcome with Gap Balancing Technique Compared with Measured Resection in Total Knee Arthroplasty
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
Background: There is ongoing debate about how to obtain correct rotational alignment in total knee arthroplasty (TKA). Two commonly used techniques are the measured resection (MR) and the gap balancing (GB) technique. Objective: The objective of the present study was to analyze which of these two techniques confers a clinical advantage up to 10 years postoperatively. Methods: Two hundred patients were randomized to either MR or GB. The primary outcome was the Knee Society Knee Score (KS) 10 years postoperatively. Secondary outcomes were passive range of motion, the Knee Society Function Score (FS), and the Western Ontario and McMasters Universities Osteoarthritis Index (WOMAC), along with implant survival. We employed a two one-sided test (TOST) and linear mixed models to assess clinical outcomes. Results: Mean KS was 82 (95% confidence interval (CI), 80 – 83) and 77 (95% CI, 76 – 79) in the GB and MR group, respectively. The TOST test and linear mixed model both revealed statistical significance (p < 0.001). In addition, GB yielded better postoperative FS and WOMAC. However, between-group differences were consistently small. Implant survival rates at 10 years, with survival for any reason as the endpoint of interest, were 93.7% (95% CI, 86.4% and 97.1%) and 89.8% (95% CI, 81.9% - 94.4%) for the GB group and the MR group, respectively ( p = 0.302). Conclusion: Gap-balancing is a safe and reliable technique. KS for the two study groups at 10 years can be considered equivalent, and the small postoperative advantages may not extend beyond clinical relevance.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle