MétaCan
Menu
Retour à la cohorte
Enregistrement W3001518123 · doi:10.2106/jbjs.19.00535

Knee Morphological Risk Factors for Anterior Cruciate Ligament Injury

2020· review· en· W3001518123 sur OpenAlexaff
Steve Bayer, Sean J. Meredith, Kevin Wilson, Darren de, Thierry Pauyo, Kevin J. Byrne, Christine M. McDonough, Volker Musahl

Notice bibliographique

RevueJournal of Bone and Joint Surgery · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensMcGill UniversityMontreal Children's HospitalMcMaster Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésAnterior cruciate ligamentACL injuryMedicineMEDLINEOrthopedic surgerySystematic reviewAnterior Cruciate Ligament InjuriesSurgery

Résumé

récupéré en direct d'OpenAlex

Update This article was updated on June 9, 2020, because of previous errors. On pages 703 and 716, in the byline section and author affiliation section, “Kevin Wilson” now reads “Kevin W. Wilson,” “K. Wilson” now reads “K.W. Wilson,” and “Kevin Wilson, MD 2 ” now reads “Kevin W. Wilson, MD 3 .” The affiliation for Dr. Wilson that had read “ 2 Department of Orthopaedics, University of Maryland School of Medicine, Baltimore, Maryland” now reads “ 3 Department of Orthopaedic Surgery, Mount Nittany Health, State College, Pennsylvania” with affiliations 3 through 6 renumbered as 4 through 7. An erratum has been published: J Bone Joint Surg Am. 2020 Jul 15;102(14):e85. Background: Anterior cruciate ligament (ACL) reconstruction incidence has increased substantially in the past 25 years. Recently, there has been a focus on knee morphology as a contributor to ACL injury risk. The purpose of this study was to systematically review the literature to assess the influence of knee morphology on ACL injury. Methods: In accordance with PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines, PubMed, Embase, and MEDLINE were searched in September 2017 for studies reporting on knee morphology and ACL injury. The search was updated in June 2018. The following inclusion criteria were used: English language; full text available; Level-I, II, or III evidence; human studies; and skeletally mature patients. Results: After systematically screening 6,208 studies, 65 studies met the inclusion/exclusion criteria. Three additional studies were identified in the search update, for a total of 68 studies comprising 5,834 ACL-injured knees. Intercondylar notch stenosis, most commonly defined by an “A-shaped” notch, decreased notch width, or decreased notch width index, was the most commonly reported femoral morphological risk factor for ACL injury. Increased femoral condylar offset ratio (>63%) and decreased condylar radius of curvature also were associated with an increased risk of ACL injury. Increased medial and lateral tibial slopes were the most commonly reported tibial risk factors. A smaller tibial eminence, reduced ACL size, and poor tibiofemoral congruity were also associated with increased injury risk. Conclusions: Intercondylar notch stenosis, variations in sagittal condylar shape, increased tibial slope, reduced tibial eminence size, poor tibiofemoral congruity, and reduced ACL size are substantial risk factors for ACL injury. In future research, it would be valuable to identify a slope beyond which slope correction should be performed concomitantly with ACL reconstruction, and to determine whether an optimal relationship of notch size to graft size exists. To achieve optimal outcomes, the osseous morphological risk factors should be considered in individualized anatomic ACL reconstructions. Level of Evidence: Prognostic Level III . See Instructions for Authors for a complete description of levels of evidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,789

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0070,003
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,328
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations155
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Joint SurgeryMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207