MétaCan
Menu
Retour à la cohorte
Enregistrement W2905743340 · doi:10.1177/2050313x18819641

Computer-assisted navigation in Birmingham hip resurfacing: A case report

2018· article· en· W2905743340 sur OpenAlexaff
Ritesh R. Shah, Jessica R. Benson, Jeffrey M. Muir

Notice bibliographique

RevueSAGE Open Medical Case Reports · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensIntellijoint Surgical (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineHip resurfacingFluoroscopyMetallosisComponent (thermodynamics)RadiographySurgeryNavigation systemOrthodonticsRadiologyArthroplastyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Component malpositioning during Birmingham hip resurfacing increases the risk for component wear, metallosis, component loosening, and the likelihood of dislocation and revision surgery. Computer-assisted navigation can increase the accuracy to which components are placed, and the utilization of this technology in Birmingham hip resurfacing is increasing. The present report summarizes the accuracy of acetabular component positioning in a Birmingham hip resurfacing case utilizing navigation. Intraoperative C-arm fluoroscopy following the use of the navigation tool confirmed excellent seating, positioning, and stability of the acetabular component. In addition, post-operative antero-posterior radiographs confirmed device accuracy and revealed a stable joint with no evidence of acetabular loosening or femoral fracture. Computer-assisted navigation may therefore be an effective tool to improve the accuracy of component positioning during Birmingham hip resurfacing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,344
Écart entre enseignants0,309 · 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 tête enseignante, pas un consensus.

Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE Open Medical Case ReportsMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207