Specific case consideration for implanting TKA with the Kinematic Alignment technique
Notice bibliographique
Résumé
Abstract The Kinematic Alignment (KA) technique for total knee arthroplasty (TKA) is an alternative surgical technique aiming to resurface knee articular surfaces. The restricted KA (rKA) technique for TKA applies boundaries to the KA technique in order to avoid reproducing extreme constitutional limb/knee anatomies. The vast majority of TKA cases are straightforward and can be performed with KA in a standard (unrestricted) fashion. There are some specific situations where performing KA TKA may be more challenging (complex KA TKA cases) and surgical technique adaptations should be included. To secure good clinical outcomes, complex KA TKA cases must be preoperatively recognized, and planned accordingly. The proposed classification system describes six specific issues that must be considered when aiming for a KA TKA implantation. Specific recommendations for each situation type should improve the reliability of the prosthetic implantation to the benefit of the patient. The proposed classification system could contribute to the adoption of a common language within our orthopaedic community that would ease inter-surgeon communication and could benefit the teaching of the KA technique. This proposed classification system is not exhaustive and will certainly be improved over time. Cite this article: EFORT Open Rev 2021;6:881-891. DOI: 10.1302/2058-5241.6.210042
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».