Quantifying Achievable Levels of Improvement in Knee Joint Biomechanics During Gait After Total Knee Arthroplasty Relative to Osteoarthritis Severity
Notice bibliographique
Résumé
Total knee arthroplasty (TKA) surgery improves knee joint kinematics and kinetics during gait for most patients, but a lack of evidence exists for the level and incidence of improvement that is achieved. The objective of this study was to quantify patient-specific improvements in knee biomechanics relative to osteoarthritis (OA) severity levels. Seventy-two patients underwent 3-dimensional (3D) gait analysis before and 1 year after TKA surgery, as well as 72 asymptomatic adults and 72 with moderate knee OA. A combination of principal component analysis and discriminant analyses were used to categorize knee joint biomechanics for patients before and after surgery relative to asymptomatic, moderate, and severe OA. Post-TKA, 63% were categorized with knee biomechanics consistent with moderate OA, 29% with severe OA, and 8% asymptomatic. The magnitude and pattern of the knee adduction moment and angle (frontal plane features) were the most significant contributors in discriminating between pre-TKA and post-TKA knee biomechanics. Standard of care TKA improves knee biomechanics during gait to levels most consistent with moderate knee OA and predominately targets frontal plane features. These results provide evidence for the level of improvement in knee biomechanics that can be expected following surgery and highlight the biomechanics most targeted by surgery.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».