MétaCan
Menu
Retour à la cohorte
Enregistrement W3217209733 · doi:10.1002/9781119413936.ch57

Femoral Bone Defects in Revision Total Knee Arthroplasty

2021· other· en· W3217209733 sur OpenAlexaff
Adam Katchky, David Backstein

Notice bibliographique

RevueEvidence-Based Orthopedics · 2021
Typeother
Langueen
DomaineMedicine
ThématiqueTotal Knee Arthroplasty Outcomes
Établissements canadiensMount Sinai HospitalUniversity of TorontoNiagara Health System
Organismes subventionnairesnon disponible
Mots-clésMedicineOsteolysisImplantSurgeryConvalescenceLife expectancyPopulation

Résumé

récupéré en direct d'OpenAlex

This chapter presents a case scenario of active 69-year-old male with a history of remote right total knee arthroplasty (TKA). One challenge of revision total knee arthroplasty (RTKA) is assessment and restoration of bony defects. Increased RTKA costs are driven by longer operating times, costlier implants, additional materials, longer hospital stays, and longer periods of convalescence. A detailed understanding of the location and extent of osteolysis/bone loss, and the quality/quantity of remaining distal femoral bone, is essential for proper planning and management. The RTKA implant may be cemented onto the sized and prepared allograft to create a single construct comprising the implant and structural allograft, termed an allograft-prosthetic composite. The patient’s age, medical status, functional demands, life expectancy, and risk for future revision surgery must be considered when selecting a reconstructive strategy. The chapter provides recommendations for implementing evidence-based practice in the clinical setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,677
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,292
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-Based OrthopedicsMême sujetTotal Knee Arthroplasty OutcomesTravaux en français237 207