Relationship between Anatomical Risk Factors, Articular Cartilage Lesions, and Patient Outcomes Following Medial Patellofemoral Ligament Reconstruction
Notice bibliographique
Résumé
Objective The purpose of this study was (1) to determine which risk factors for patellar instability were associated with the presence of patellofemoral cartilage lesions and (2) to determine how cartilage lesion presence, size, and grade affect postoperative disease-specific quality of life. Design Preoperative, intraoperative, and postoperative demographic, anthropometric (body mass index, Beighton score, hip rotation), radiographic (crossover sign, trochlear bump), cartilage lesion morphology (presence, size, location, grade), and outcomes data (Banff Patella Instability Instrument 2.0 [BPII 2.0]) were prospectively collected from patients undergoing isolated medial patellofemoral ligament reconstruction. For all knees ( n = 264), single and multivariable logistic regression was used to determine if any patellar instability risk factors affected the odds of having a cartilage lesion. In patients with unilateral symptoms ( n = 121), single variable linear regression was used to determine if the presence, size, or ICRS (International Cartilage Regeneration & Joint Preservation Society) grade of cartilage lesions could predict the 12 or 24+ month postoperative BPII 2.0 score. Results A total of 84.5% of knees had patellofemoral cartilage lesions (88.3% involved the distal-medial patella). Trochlear dysplasia (high grade: odds ratio = 15.7, P < 0.001; low grade: odds ratio = 2.9, P = 0.015) was associated with the presence of a cartilage lesion. The presence, size, and grade of cartilage lesions were not associated with 12 or 24+ month postoperative BPII 2.0 scores. Conclusions Trochlear dysplasia was a risk factor for the development of patellofemoral cartilage lesions in this patient population. Cartilage lesions most commonly involve the distal-medial patella. There was no significant relationship between patellofemoral cartilage lesion presence, size, or grade and postoperative BPII 2.0 scores in short-term follow-up.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».