Glenoid exposure in shoulder arthroplasty: the role of soft tissue releases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The deltopectoral approach is commonly used in shoulder arthroplasty. Various soft tissue releases can be performed to obtain adequate glenoid exposure, but their effectiveness is not known. The purpose of this study was to (1) quantify the effects of various releases on the amount of glenoid surface area exposure and (2) determine if common soft tissue releases performed about the shoulder significantly improve exposure of the glenoid. METHODS: A standard deltopectoral approach was used on cadaveric shoulders (n=8) in the beach chair position. The releases performed were as follows: long head of biceps, pectoralis major tendon, inferior capsule, and posterior capsule. Following each release, a custom-designed jig was used to mark the exposed glenoid surface. The glenoid was then digitized using a 3D surface scanner to quantify the exposed surface area with each release. RESULTS: The mean glenoid surface area exposure prior to any releases was 57% (SD 8%). Following release of the long head of biceps, exposure increased to 69% (SD 10%). The exposed area was increased to 83% (SD 6%) with release of the pectoralis major, and 93% (SD 2%) with inferior capsule. The entire glenoid was exposed following posterior capsule release. CONCLUSIONS: Release of the long head of biceps, pectoralis major, and inferior and posterior capsule all independently led to significant increases in glenoid surface exposure in the deltopectoral approach. Mean surface area exposed with all 3 releases was 93%. Although posterior capsular release improved exposure, the results of this study suggest that this is rarely necessary.
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.
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) | 0,000 | 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) | 0,001 | 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 découle