A novel method for localization of the maximum glenoid bone defect during reverse shoulder arthroplasty
Notice bibliographique
Résumé
BACKGROUND: Management of glenoid bone defects during reverse shoulder arthroplasty remains a challenge. The aim of our study was to preoperatively localize the maximal depth of glenoid bone defects in relation to glenoid reaming. METHODS: Thirty preoperative shoulder computed tomography scans were collected. Three assessors created standardized surgical plans, using 3-dimensional (3D) computed tomography-based Blueprint planning software in which the reaming axis was held constant at zero degrees of version and inclination. Each plan resulted in a 2-dimensional (2D) image of the reamer's contact on the glenoid and a corresponding 3D representation of the glenoid bone defect. The position of the maximum glenoid defect was localized on both the 2D and 3D images. Descriptive statistics were calculated. The correlation between angles from 2D and 3D images was assessed, and intraclass correlation was used to assess inter-rater and intrarater reliability. RESULTS: Twenty-eight patients were included. The overall mean difference between 2D and 3D angles was 5.4° (standard deviation 5.2°). The correlation between 2D and 3D angles was almost perfect. Intraclass correlation results demonstrated near-perfect agreement. The maximal glenoid defect was within 5% of a circle (or +/- 9°) from perpendicular to the high-side ream line in 85.1% of comparisons and was within 10% of a circle in 97.6% of comparisons. CONCLUSION: Using Blueprint planning software, we have demonstrated with almost perfect agreement among 3 assessors that when the reaming axis is held constant, the maximum glenoid bone defect is reliably located perpendicular to the glenoid ream line.
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 ».