Robotics versus personalized 3D preoperative planning in total knee arthroplasty: a propensity score-matched analysis
Notice bibliographique
Résumé
PURPOSE: Lower limb alignment is crucial in total knee arthroplasty (TKA). Previous studies have shown that robotics and personalized three-dimensional (3D) preoperative planning could improve postoperative alignment accuracy compared with conventional TKA, but comparison between the above two techniques has never been reported. The authors hypothesized that robotics may be superior to personalized 3D preoperative planning in terms of postoperative alignment in primary TKA, with similar patient-reported outcome measures (PROMs) but higher cost and longer operative time. METHODS: A consecutive series of patients who received TKA in our center from September 2020 to January 2021 were enrolled retrospectively. After 1:2 matching, 52 and 104 patients were included and divided into study group for robotics and control group for personalized 3D preoperative planning, respectively. Multiple postoperative alignment angles were measured, and clinical features such as operation and tourniquet time, length of hospital stay and hemoglobin (Hb) were recorded. Knee Society Score (KSS) and Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) were used to evaluate clinical results. RESULTS: Compared with control group, robotics group had significantly lower frontal femoral component angle (FFC) and frontal tibial component angle (FTC) absolute deviation (P < 0.05). It also had less outliers in hip-knee-ankle angle (HKA), FTC, lateral femoral component angle (LFC) and lateral tibial component angle (LTC) (P < 0.05). Hb loss of robotics group was significantly lower than control group (P < 0.001), while the operation and tourniquet time were longer (P < 0.001). There was no significant difference in KSS and WOMAC scores between two groups. CONCLUSION: Compared with control group, patients in robotics group had significantly less malalignment, malposition, Hb loss, but similar PROMs. The operations in robotics group spent longer operation time and cost more compared with control group. TRIAL REGISTRATION: The Chinese Clinical Trial Registry, ChiCTR2000036235. Registered 22 August 2020, http://www.chictr.org.cn/showproj.aspx?proj=59300 . LEVEL OF EVIDENCE: III.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».