Variability in the Follow-up Management of Pediatric Femoral Fractures
Notice bibliographique
Résumé
INTRODUCTION: Variability in follow-up has previously been identified in orthopaedic trauma. Variability in follow-up for pediatric femur fractures has not previously been documented. The aim of this study was to document the variability in clinical and radiographic follow-up for pediatric femur fractures based on the fixation method and the treating surgeon. METHODS: This retrospective case series identified isolated femoral fractures in patients younger than 18 years, treated by eight surgeons at a single center from 2010 to 2015. The total number and frequency of clinical visits, radiographic visits and discrete radiograph views, demographic data, fracture classification, treatment method, and presence of complications were extracted. Variability in follow-up was assessed through descriptive statistics and linear and Poisson regression models. RESULTS: One hundred sixty-four femoral fractures in 160 patients were included. Fractures were stratified by the treating surgeon. The mean length of follow-up ranged from 6.5 to 13.6 months. Complications increased follow-up time by mean 1.7 months (1.3 to 2.4). Patients who were treated with rigid locking nails were followed for the shortest amount of time, averaging 9.9 months, while traction followed by rigid locking nails averaged 24.4 (0.5 to 9.3) months of follow-up. DISCUSSION: Variation in the length of follow-up was identified and was associated with the fixation method and the treating surgeon. Few patients were followed long enough to definitively identify complications and sequelae known to occur after femur fractures such as femoral overgrowth or growth arrest. The results of this study indicate a need for additional study and consensus on an appropriate follow-up for pediatric femur 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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».