Characteristics of young and lower functioning patients following total knee arthroplasty: a retrospective study
Notice bibliographique
Résumé
BACKGROUND: Rates of total knee arthroplasty (TKA) procedures in younger, more medically complex patients have dramatically increased over the last several decades. No study has examined categorization of lower and higher functioning subgroups within the TKA patient population. Our study aimed to determine preoperative characteristics of younger patients who are lower functioning following TKA. METHODS: Patients were categorized into higher and lower functioning subgroups defined using a median split of 1) postoperative Timed Up and Go (TUG) test times and 2) Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) physical function subscale scores. A split in age (65 years) was used to further classify patients into four categories: younger lower functioning, younger higher functioning, older lower functioning and older higher functioning. Measures from preoperative domains of health, psychological, physical performance and pain severity were examined for between-group differences. RESULTS: Comparing mean values, the younger lower functioning subgroup using the TUG had significantly weaker knee extensor, slower gait speed, higher body mass index and greater pain compared to other subgroups. The younger lower functioning subgroup using the WOMAC physical function subscale demonstrated higher pain levels and Coping Strategies Questionnaire-Catastrophizing Subscale scores compared to the older lower functioning subgroup. CONCLUSIONS: Poorer preoperative physical performance and pain severity appear to have the largest influence on early postoperative TKA recovery in younger lower functioning patients relative to both younger and older higher functioning patients.
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) | 0,000 | 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 ».