Prognostic Factors to Determine Survivorship of Meniscal Allograft Transplant: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: There is much room for improvement and optimization of meniscal allograft survivorship. PURPOSE: To understand prognostic factors for survivorship using evidence-based selection criteria in order to identify patients who would best benefit from meniscal allograft transplant (MAT). STUDY DESIGN: Systematic review; Level of evidence, 4. METHODS: We conducted this systematic review to analyze prognostic factors for survivorship of MAT. The Cochrane Central Register, PubMed publisher, Embase.com, and Web of Science databases were searched through August 8, 2019. Included studies entailed patients of any age who received MAT with a reported association between prognostic factors and survivorship of the allograft. Two reviewers independently screened all titles and abstracts for eligibility, extracted the data, assessed the risk of bias using the Newcastle-Ottawa Scale, and performed a best-evidence synthesis. RESULTS: The review included 18 studies with a total of 1920 patients. The mean follow-up time was 6.0 years (range, 2.1-11.2 years). A total of 20 prognostic factors were identified and shown to be associated with survivorship of MAT. Strong evidence was found that severe cartilage damage was associated with poor survivorship. Strong evidence was also found showing that sex, knee compartment, surgical side, concomitant anterior cruciate ligament (ACL) reconstruction, and concomitant osteotomy for malalignment had no effect on survivorship. Moderate evidence was found that body mass index (<36), tobacco use, and arthroscopic versus open procedure had no influence on survivorship. Conflicting evidence was found that older age and kissing cartilage lesions (lesions on both the femur and tibia vs on a single side) decreased survivorship. CONCLUSION: Severe cartilage damage decreases the survivorship of MAT. Concomitant ACL reconstruction and osteotomy showed no relationship to survivorship. Many determinants showed conflicting and limited evidence. Older age may be of interest and should be further studied.
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 | 0,012 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,012 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».