Development and evaluation of a minimally aggressive method of patellofemoral osteoarthritis surgical treatment
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to assess the impact of developed minimally invasive operation such as the partial lateral facetectomy (PLFE) with patella thickness resection in patients with lateral patellofemoral (PF) osteoarthritis on short-term clinical and radiographic outcomes. METHODS: This is a prospective study of 27 knees in 27 patients (18 females and 9 males, mean aged at surgery 59.1-year old) whom a PLFE with patella thickness resection using developed minimally invasive method was performed. Data of preoperative and postoperative questionnaires, physical examinations, and radiographs were analyzed. The minimum follow-up was 12 months (mean, 24.1 months; range, 12-36 months). RESULTS: The subjective outcomes included the anterior pain relief assessed by scores using the Western Ontario and McMaster Universities Arthritis Index score (scores improved considerably by 2.34 points with respect to pain and by 1.63 points with respect to function), visual analog scale, and Knee Society Score (that improved in 78% of the knees). The majority of these patients experienced improvement in their PF symptoms. The PF index decreased considerably after surgery. The mean patellar width and thickness were decreased after surgery, maintaining a width/thickness ratio of 1.8:1.0 after surgery. CONCLUSION: PLFE with patella thickness resection aiming to decrease the high pressure in the lateral facet and improving congruence of the patella confirmed frequent pain relief. This surgical procedure is minimally invasive, relatively simple, and effective in selected patients and can be a valid early alternative to more complex operations. Level of Evidence: Level IV Therapeutic study.
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 ».