Poor Outcomes After Anterior Impaction Pilon Fractures
Notice bibliographique
Résumé
INTRODUCTION: Pilon fractures occur through high-energy axial-loading trauma and are frequently associated with complications. The goal of this study was to assess whether anterior impaction (AI) tibial pilon fractures are associated with increased rates of posttraumatic osteoarthritis (PTOA), secondary surgeries, and lower patient-reported outcomes compared with patients with non-AI pilon fractures. METHODS: In this retrospective cohort study, 52 pilon fractures in 50 patients were included. The average follow-up was 25 months (range, 12 to 62 in non-AI and 12 to 66 in AI). The Kellgren and Lawrence (KL) score for PTOA, tibiotalar ratio for anterior-posterior talar subluxation, coronal tibiotalar angle, Patient-Reported Outcomes Measurement Information System score, and rates of secondary surgeries and infection were assessed. RESULTS: The AI group showed radiographic evidence of more advanced PTOA at the final follow-up (KL score 3.1 vs. 2.5, P = 0.021) and a higher rate of implant removal for pain (39% vs. 13%, P = 0.030). AI also had greater anterior talar subluxation on preoperative (P < 0.001) and final follow-up radiographs (P = 0.026). A higher KL score was associated with greater anterior talar displacement on preoperative (r = -0.421, P = 0.003) and final follow-up radiographs (r = -0.359, P < 0.009). No differences were seen in 1-year Patient-Reported Outcomes Measurement Information System scores. DISCUSSION: AI pilon fractures are associated with recurrent anterior talar subluxation, more severe PTOA, and a higher rate of implant removal for pain compared with non-AI fractures.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».