MétaCan
Menu
Retour à la cohorte
Enregistrement W2890178730 · doi:10.1007/s00167-018-5142-9

Tunnel osteolysis post-ACL reconstruction: a systematic review examining select diagnostic modalities, treatment options and rehabilitation protocols

2018· review· en· W2890178730 sur OpenAlexaff
Ramandeep Singh Bhullar, Anthony Habib, Kailai Zhang, Darren de, Nolan S. Horner, Andrew Duong, Nicole Simunovic, João Espregueira‐Mendes, Olufemi R. Ayeni

Notice bibliographique

RevueKnee Surgery Sports Traumatology Arthroscopy · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensMcMaster University Medical CentreImpactMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAnterior cruciate ligament reconstructionMedicineRehabilitationModality (human–computer interaction)Physical therapyMeta-analysisRadiographyWeight-bearingCochrane LibrarySurgeryAnterior cruciate ligamentRandomized controlled trialInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of this systematic review was to (1) identify the optimal diagnostic modality for tunnel widening in skeletally mature patients; (2) identify potentially modifiable risk factors for tunnel widening, such as graft type, and (3) determine what elements of a post-operative rehabilitation program exert the most influence on TW. METHODS: The electronic databases MEDLINE, EMBASE, PubMed, and Cochrane Library were searched from database inception to January 2018. Studies that discussed tunnel widening following anterior cruciate ligament reconstruction (ACLR) of skeletally mature patients and written in English were included. Descriptive statistics, such as means, ranges, and measures of variance (e.g. standard deviations, 95% confidence intervals (CI)) are presented where applicable. RESULTS: 103 studies (6,383 patients) were included. Plain radiographs were the most commonly used diagnostic modality, but radiographs on average required 10 months longer than CT and 2 months longer on average than MRI to diagnose tunnel widening after ACLR. Although CT was the least commonly used modality, it was the shortest time to diagnose tunnel widening at 9.5 months after ACLR. Bone-patellar tendon-bone (BPTB) allograft had the largest average tunnel widening overall. BPTB autograft had the lowest average tunnel widening overall. Double-bundle hamstring graft configuration had a lower average tunnel widening than single-bundle configuration. Rehabilitation protocols after ACLR that used a full weight-bearing prescription in rehabilitation showed a greater average femoral tunnel widening than partial weight-bearing, and partial weight-bearing showed a greater average tibial tunnel widening than full weight-bearing. CONCLUSIONS: Based on this systematic review and the descriptive data evaluated, CT demonstrated a time of 9.5 months on average from ACLR to diagnosing tunnel osteolysis post-ACLR. With respect to graft types, double-bundle hamstring autografts reported lower average femoral and tibial TW than single-bundle hamstring autografts. BPTB autografts reported the lowest average TW and BPTB allograft the largest average TW of all the grafts. Furthermore, extension-locked bracing had the lowest TW of all the brace protocols. Lastly, several other surgical technical parameters influencing tunnel osteolysis remain to be determined. No definitive recommendations can be made at this time due to the high heterogeneity of data and the lack of comparative studies analysed in this systematic review. LEVEL OF EVIDENCE: IV.

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)0,005
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,008
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,340
Écart entre enseignants0,301 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnee Surgery Sports Traumatology ArthroscopyMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207