Learning Curve for Arthroscopic Shoulder Latarjet Procedure Shows Shorter Operating Time and Fewer Complications with Experience
Notice bibliographique
Résumé
PURPOSE: To evaluate the learning curve of the arthroscopic Latarjet procedure in a consecutive series of 103 shoulders in 102 patients by comparing the early clinical and radiologic outcomes and complications of the first 25 patients with the latter 25 patients. Our hypothesis was that the studied parameters would be enhanced over time. METHODS: A consecutive cohort of 103 shoulders in 102 patients treated with arthroscopic Latarjet procedure was prospectively registered from December 2014 until November 2019. Patients in this cohort represent the first cases of arthroscopic Latarjet for the 2 shoulder surgeons. All patients had a double screw fixation technique. The Western Ontario Shoulder Instability Index (WOSI) score preoperatively and at 1-year follow-up and 3-dimensional computed tomography scans preoperatively, postoperatively, and at 1-year follow-up were prospectively registered. Patient demographics, intraoperative data, complications, and reoperations were all recorded. In total, 85 of 103 shoulders (83%) had complete data sets. Patient demographics, WOSI scores, operating time, complications, satisfaction rate, and radiology scores in the first and last 25 patients were compared to evaluate learning curve. RESULTS: There was longer operating time in the early group compared with the latter (130 vs 105 minutes, P = .001) and number of complications was reduced with experience (16 vs 4, P = .0005). Serious complications requiring a reoperation were 4 (16%) in the early group compared to 1 (4%) in the latter group (P = .157). Clinical results were good with major improvement in WOSI scores and 84 % satisfaction rates in both groups. CONCLUSIONS: Arthroscopic Latarjet was associated with a learning curve where the early group had longer operating time and greater rates of complications. This is a procedure with few serious complications, acceptable surgery time and learning curve. LEVEL OF EVIDENCE: Level III, retrospective comparative observation trial.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».