Living in immigrant communities does not impact total knee arthroplasty outcomes: experience from a high-volume center in the United States
Notice bibliographique
Résumé
Community characteristics such as poverty affect total knee arthroplasty (TKA) outcomes. However, it is unknown whether other community factors such as immigrant proportion (IP) also affect outcomes. Our objective was to determine the association of neighborhood IP on preoperative (pre-op) and 2-year postoperative (post-op) Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain and function after elective TKA. Patients in a high volume institutional TKA registry between May 2007 and February 2011 were retrospectively analyzed. Demographics, pre-op and 2-year post-op WOMAC pain and function scores, and geocodable addresses were obtained. Patient-level variables were linked to US Census Bureau census tract data. The effect of patient and neighborhood-level factors on WOMAC scores were analyzed using linear mixed effects models. 3898 TKA patients were analyzed. Pre-op and 2-year post-op WOMAC pain and function scores were between 2.75–4.88 WOMAC points worse in neighborhoods with a high IP (≥ 40%) compared to low IP (< 10%). In multivariable analyses, these differences were not statistically significant. Women had worse pre-op and 2-year post-op WOMAC scores (all p ≤ 0.04), but this difference was not influenced by neighborhood IP (all pinteraction NS). Patients living in high (≥40%) IP neighborhoods do not have worse pre-op or 2-year post-op pain and function outcomes after TKA compared to those living in low (< 10%) IP neighborhoods. Although sex differences favoring males are notable, these differences are not associated with IP. High neighborhood IP do not appear to affect outcomes after TKA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».