The potential for 3D technology to be used in the first-stage periprosthetic hip joint infection treatment
Notice bibliographique
Résumé
Abstract Background. In two-stage deep periprosthetic infection treatment, many authors describe mechanical complications associated with the implantation of a spacer in the first stage that affect the functional outcome of the treatment.Purpose. To evaluate the functional results of using 3D spacers for IIIA and IIIB defects according to the classification system described by W.G. Paprosky during the first stage treatment of hip deep periprosthetic joint infection (PJI).Methods. From 2017 to 2020, 24 patients underwent first-stage revision arthroplasty with hip PJI and IIIA and IIIB acetabular bone defects according to the classification system described by W.G. Paprosky. The patients were divided into 2 groups: group 1 received articulating spacers, and group 2 received custom-made spacers made using 3D technology. Function was evaluated by the Harris Hip Score, WOMAC (Western Ontario and McMaster Universities Osteoarthritis Index) and VAS (visual analogue scale). Statistical analyses were performed using IBM SPSS Statistics version 22.0 for Windows. Student's t-test, Wilcoxon's signed-rank test (to compare parameters before and after surgery) and the Mann-Whitney rank-sum test were used.Results. In the first group, the average VAS score was 3.3 (± 1.4), the Harris Hip Score was 51.3 (± 9.4), and the WOMAC score was 42.9 (± 5.9); in the second group, the VAS score was 1.3 (± 0.9), the Harris Hip Score was 69.7 (± 3.6), and the WOMAC score was 30.1 (± 2.4). The rating scale data showed a statistically significant improvement in the function of patients in the second group (p <0.05).Conclusion. Custom-made 3D spacers used during the first stage of treatment for deep periprosthetic hip infection yield larger improvements in function and quality of life than do articulating spacers.Trial registration. Local Ethics Committee at the Sechenov First Moscow State Medical University Ministry of Health of Russia (Sechenov University) № 386 13.12.2016.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».