Can the Oxford Knee and Hip Score identify patients who do not require total knee or hip arthroplasty?
Notice bibliographique
Résumé
Aims The aim of this study was to determine if the Oxford Knee and Hip Score (OKHS) can accurately predict when a primary knee or hip referral is deemed nonsurgical versus surgical by the surgeon during their first consultation, and to identify nonsurgical OKHS screening thresholds. Patients and Methods We retrospectively reviewed pre-consultation OKHS for all consecutive primary total knee arthroplasty (TKA) and total hip arthroplasty (THA) consultations of a single surgeon over three years. The 1436 knees (1016 patients) and 478 hips (388 patients) included were categorized based on the surgeon’s decision into those offered surgery during the first consultation versus those not (nonsurgical). Spearman’s rank correlation coefficients and receiver operating characteristic (ROC) curve analysis were performed. Results Oxford Scores were better for the nonsurgical cohorts (p < 0.001) and correlated with the surgical decision (p < 0.001). ROC area under the curve values for knees (0.83, 95% confidence intervals (CI) 0.81 to 0.85) and hips (0.87, 95% CI 0.84 to 0.91) were excellent. A conservative and effective threshold for knees is Oxford Knee Score (OKS) > 32 points (sensitivity = 0.997, negative predictive value (NPV) = 0.992) and for hips is Oxford Hip Score (OHS) > 34 points (sensitivity = 0.997, NPV = 0.978). Severable potential lower OKHS thresholds were identified. Conclusion Pre-consultation OKHS demonstrate good ability to predict when a primary TKA or THA referral will be deemed nonsurgical in a single surgeon’s practice. Multiple OKHS thresholds can effectively screen out nonsurgical referrals. Cite this article: Bone Joint J 2019;101-B(6 Supple B):23–30.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».