VIS-IT: Visualizing the Injured Tibia—A Cadaveric Study of Limb Positioning for Posterolateral Tibial Plateau Fracture Visualization
Notice bibliographique
Résumé
Posterolateral tibial plateau (PLTP) fractures are often associated with anterior cruciate ligament (ACL) incompetence, such as tibial eminence fractures. Both occur from a pivot shift like mechanism. Malreductions of the tibial plateau most frequently occur in the posterolateral quadrant. Acquiring adequate intraoperative visualization of the PLTP poses a challenge. We hypothesized that visualization of PLTP could be improved by positioning the knee at 110 degrees of flexion with the addition of a varus anterolateral rotatory vector. This position and maneuver take advantage of both the nonisometric nature of the lateral soft tissues and, when present, ACL incompetence. In this cadaveric study, we digitally quantified the percentage of the lateral tibial plateau visualized under different conditions after performing an anterolateral surgical approach with submeniscal arthrotomy. Four conditions were assessed for articular visualization: (1) 30 degrees of knee flexion, (2) 110 degrees of knee flexion, (3) 110-degrees of knee flexion plus varus anterolateral rotatory vector, (4) 110-degrees of knee flexion plus varus anterolateral rotatory vector with ACL sacrifice (ACL incompetence model). In the ACL competent models, maximal lateral tibial plateau exposure was obtained with the knee positioned at 110 degrees of flexion with a varus anterolateral rotatory vector (58.2%, range: 52.9-63.4%). Articular visualization was further improved with the ACL incompetent model (82.4%, range: 77.1-87.7%), modeling a tibial eminence fracture.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».