Management of anterior cruciate ligament tears in Tanner stage 1 and 2 children: a narrative review and treatment algorithm guided by ACL tear location
Notice bibliographique
Résumé
The incidence of anterior cruciate ligament (ACL) tears in skeletally immature patients has acutely increased over the last 20 years, yet there is no consensus on a single "best treatment." Selection of an optimal treatment is critical and based on individual circumstances; consequently, we propose a treatment-selection algorithm based on skeletal development, ACL tear location, type, and quality, as well as parental perspective in order to facilitate the decision-making process. We combined our surgical group's extensive case histories of ACL tear management in Tanner Stage 1 and 2 patients with those in the literature to form a consolidated data base. For each case the diagnostic phase, communication with patient and parents, treatment choice(s), selected surgical techniques and rehabilitation schedule were critically analyzed and compared for patient outcomes. MRI-imaging and intraoperative tissue quality assessment were preeminent in importance for selection of the optimal treatment strategy. Considerations for selecting an optimal treatment included: associated lesions, the child/patient and parent(s)' well-informed and counseled consent, biological potential, and the potential for successful ACL preservative surgery. Complete ACL tears were evaluated according to tear-location. In type I and II ACL tears with remaining good tissue quality, we propose primary ACL repair. In type III and IV ACL tears we propose physeal-sparing reconstruction with an iliotibial band graft. Finally, in the case of a type V ACL tear, we propose that the best treatment be based on the Meyers-McKeever classification. We present a facile decision-making algorithm for ACL management in pediatric patients based on specific elements of tissue damage and status.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 ».