A Point-Based Model to Predict Absolute Risk of Revision in Anatomic Shoulder Arthroplasty
Notice bibliographique
Résumé
Background Total shoulder arthroplasty (TSA) has demonstrated good long-term survivorship but early implant failure can occur. This study identified factors associated with shoulder arthroplasty revision and constructed a risk score for revision surgery following shoulder arthroplasty. Methods A validated algorithm was used to identify all patients who underwent anatomic TSA between 2002 and 2012 using population-based data. Demographic variables included shoulder implant type, age and sex, Charlson comorbidity score, income quintile, diagnosis, and surgeon arthroplasty volume. The associations of covariates with time to revision were measured while treating death as a competing risk and were expressed in the Shoulder Arthroplasty Revision Risk Score (SARRS). Results During the study period, 4079 patients underwent TSA. Revision risk decreased in a nonlinear fashion as patients aged and in the absence of osteoarthritis with no influence from surgery type or other covariables. The SARRS ranged from −21 points (5-year revision risk 0.75%) to 30 points (risk 11.4%). Score discrimination was relatively weak 0.55 (95% confidence interval: 0.530.61) but calibration was very good with a test statistic of 5.77 ( df = 8, P = .762). Discussion The SARRS model accurately predicted the 5-year revision risk in patients undergoing TSA. Validation studies are required before this score can be used clinically to predict revision risk. Further study is needed to determine if the addition of detailed clinical data including functional outcome measures and the severity of glenohumeral arthrosis increases the model’s discrimination.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».