Intraoperative pivot‐shift accelerometry combined with anesthesia improves the measure of rotatory knee instability in anterior cruciate ligament injury
Notice bibliographique
Résumé
PURPOSE: The knee stiffness acquired following an Anterior Cruciate Ligament (ACL) injury might affect clinical knee tests, i.e., the pivot-shift maneuver. In contrast, the motor effects of spinal anesthesia could favor the identification of rotatory knee deficiencies prior to ACL reconstruction. Hence, we hypothesized that the intra-operative pivot-shift maneuver under spinal anesthesia generates more acceleration in the lateral tibial plateau of patients with an injured ACL than without. METHODS: Seventy patients with unilateral and acute ACL rupture (62 men and 8 women, IKDC of 55.1 ± 13.8 pts) were assessed using the pivot-shift maneuver before and after receiving spinal anesthesia. A triaxial accelerometer was attached to the skin between Gerdys' tubercle and the anterior tuberosity to measure the subluxation and reduction phases. Mixed ANOVA and multiple comparisons were performed considering the anesthesia and leg as factors (alpha = 5%). RESULTS: , p < 0.001). There was a presence of significant interaction between leg and anesthesia conditions (p < 0.001). CONCLUSIONS: The pivot-shift maneuver performed under anesthesia identifies better rotatory instability than without anesthesia because testing the pivot-shift without anesthesia underestimates the rotatory subluxation of the knee by an increased knee stiffness. Thus, testing under anesthesia provides a unique opportunity to determine the rotational instability prior to ACL reconstruction.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».