Meniscal tears are more common than previously identified, however, less than a quarter of people with a tear undergo arthroscopy
Notice bibliographique
Résumé
PURPOSE: The management of meniscal tears is a widely researched and evolving field. Previous studies reporting the incidence of meniscal tears are outdated and not representative of current practice. The aim of this study was to report the current incidence of MRI confirmed meniscal tears in patients with a symptomatic knee and the current intervention rate in a large NHS trust. METHODS: Radiology reports from 13,358 consecutive magnetic resonance imaging scans between 2015 and 2017, performed at a large UK hospital serving a population of 470,000, were assessed to identify patients with meniscal tears. The hospital database was interrogated to explore the subsequent treatment undertaken by the patient. A linear regression model was used to identify if any factors predicted subsequent arthroscopy. RESULTS: 1737 patients with isolated meniscal tears were identified in patients undergoing an MRI for knee pain, suggesting a rate of 222 MRI confirmed tears per 100,000 of the population aged 18 to 55 years old. 47% attended outpatient appointments and 22% underwent arthroscopy. Root tears [odds ratio (95% CI) 2.24 (1.0, 4.49); p = 0.049] and bucket handle tears were significantly associated with subsequent surgery, with no difference between the other types of tears. The presence of chondral changes did not significantly affect the rate of surgery [0.81 (0.60, 1.08); n.s]. CONCLUSION: Meniscal tears were found to be more common than previously described. However, less than half present to secondary care and only 22% undergo arthroscopy. These findings should inform future study design and recruitment strategies. In agreement with previous literature, bucket handle tears and root tears were significant predictors of subsequent surgery. LEVEL OF EVIDENCE: III.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».