Perceived vs. true glenoid anchor placement: a cadaveric comparison of the beach chair and lateral position
Notice bibliographique
Résumé
Purpose To explore whether patient position influences a surgeon's ability to accurately judge anchor position on the glenoid. Materials and Methods Two anchors were inserted into the glenoid of 8 shoulders. Arthroscopic videos were taken from 3 views (posterior beach chair [pBC], posterior lateral decubitus [pLD], and anterosuperolateral decubitus [asLD]). The shoulders were disarticulated to identify "true" anchor position. Seventeen shoulder surgeons reviewed the videos and indicated anchor positions using the "clock face" method. Accuracy was measured within tolerances, ranging from zero (exact), 0.5 (half-hour), 1.0, and 1.5 hours of "true" position. Intra- and inter-rater agreement was calculated. Post hoc analyses explored for bias dependent on surgical side. Results The overall accuracy was 34.0%. At tolerances of 0.5, 1.0, and 1.5 hours, accuracy increased to 82.4%, 95.4%, and 98.0%. With a 30° scope, identification of exact position was more accurate in pBC than pLD (odds ratio [OR] = 1.397; P = .029) but not asLD (OR =1.341; P = .197). At a tolerance of 0.5 hour, the 30° scope was more accurate in pBC than both pLD (OR = 1.444; P = .011) and asLD (OR = 1.728; P = .009). In left shoulders, anchors were perceived as more inferior than true position in asLD and pLD. In right shoulders, anchors were perceived as more superior than true position from pBC and pLD. Inter- and intrarater agreement were highest in pBC with a 30° scope (30° scope weighted kappa=0.783 and 70° scope weighted kappa=0.853, respectively). Conclusion Judgment of anchor position on video is most accurate in a pBC view. Inter- and intrarater reliability were also highest from a pBC view.
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 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) | 0,000 | 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 tête enseignante, 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 ».