MétaCan
Menu
Retour à la cohorte
Enregistrement W3014726297 · doi:10.1177/2325967120s00120

Surgical Outcomes In The Frequency, Etiology, Direction, Severity (feds) Classification System For Shoulder Instability

2020· article· en· W3014726297 sur OpenAlexaboutno aff
Justin A. Magnuson, Brian R. Wolf, Kevin Cronin, Cale A. Jacobs, Shannon F. Ortiz, John E. Kuhn, Moon Shoulder Group, Carolyn M. Hettrich

Notice bibliographique

RevueOrthopaedic Journal of Sports Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSubluxationEtiologyElbowSurgeryCohortAnterior shoulderEpidemiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objectives: The Frequency, Etiology, Direction, Severity (FEDS) system is a reliable and reproducible classification of glenohumeral instability. Frequency is defined as Solitary (1), Occasional (2-5), or Frequent (>5) episodes per year; etiology as Traumatic or Atraumatic; direction as Anterior, Posterior, or Inferior; and severity as a Subluxation or Dislocation. 36 total combinations are possible, named by the first letter of each variable in order. The purpose of this descriptive study was to investigate epidemiology, surgical outcomes, and failure using FEDS in patients undergoing surgery in a large multicenter cohort of prospectively enrolled patients. Methods: 1204 patients undergoing surgery were assigned to FEDS categories. Two-year follow-up at time of analysis was available for 629 patients (85.7% of those eligible based on date of surgery). Those categories consisting of at least 5% of patients were further analyzed by patient reported outcomes (PROs) and failure rates for a total of 466 patients. PROs included American Shoulder and Elbow Surgeons score (ASES), Western Ontario Shoulder Instability index (WOSI), and Single Assessment Numeric Evaluation (SANE). Failure benchmarks included rates of recurrent subluxation, dislocation, and revision surgery. Results: Sixteen categories represented at least one percent of patients. Occasional Traumatic Anterior Dislocation (OTAD) was the most common category with 16.4% of patients. Five other anterior categories (STAS, OTAS, FTAS, STAD, FTAD) and one posterior category (STPS) represented at least 5%. PROs and failure rates for anterior categories are summarized in Figure 1. PROs improved significantly for each category. A downward trend in WOSI and ASES was noted in particular with increasing frequency of the dislocation groups. The highest rates of each type of failure occurred in the occasional and frequent groups for both dislocation and subluxation. Low rates of failure occurred in STPS, with 17.9% reporting subluxation, 3.6% dislocation, and no revisions. Conclusion: While overall success was good, different FEDS categories showed varying degrees of improvement and failure rates, indicating that the system can be used to provide prognostic insight for presurgical education. Overall, outcomes for traumatic anterior instability decreased with higher initial frequency, showing worse PROs and higher failure. Frequency appeared to have the greatest effect on outcomes. Early surgical intervention may be beneficial in preventing progression to more severe FEDS categories, with higher frequency having previously been associated with both higher rates of bone loss and greater time between initial event and surgical stabilization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,330
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrthopaedic Journal of Sports MedicineMême sujetShoulder Injury and TreatmentTravaux en français237 207