MétaCan
Menu
Retour à la cohorte
Enregistrement W4285261105 · doi:10.4103/jotr.jotr_18_21

Predicting Short-Term Outcome of Metal-on-Metal Hip Resurfacing (MOMHR)

2022· article· en· W4285261105 sur OpenAlexaboutno aff
Amrit Goyal, William Macaulay, Jeffrey A Geller, Wenbao Wang, Jonathon D Nyce

Notice bibliographique

RevueJournal of Orthopedics Traumatology and Rehabilitation · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultivariate statisticsMultivariate analysisWOMACMedicineBayesian multivariate linear regressionOsteoarthritisRegression analysisDashProspective cohort studyBody mass indexInternal medicineLinear regressionPatient-reported outcomeCohortPhysical therapySurgeryQuality of life (healthcare)StatisticsMathematicsPathology

Résumé

récupéré en direct d'OpenAlex

Introduction: The aim of this study was to research factors affecting the short-term outcome of metal-on-metal hip resurfacing (MOMHR) and develop a multivariate regression model that may predict outcome. Materials and Methods: This was a prospective study of 154 patients who underwent MOMHR and were followed for a minimum of 1 year. Fourteen independent variables (age, gender, diagnosis, co-morbidities, body mass index (BMI), pr-operative Western Ontario and McMaster Universities Osteoarthritis (WOMAC) physical component/stiffness (S)/pain (P), short form 12 (SF-12) physical (SP), SF-12 mental (SM), acetabular and femoral component sizes, operative time, and estimated blood loss) were analyzed using correlation and multivariate regression analyses. Multivariate regression model was tested by using an independent cohort for validation. Results: Correlation analyses found four variables that significantly influence short term MOMHR outcome. These include comorbidities (C, P = 0.0001), preoperative SF-12 mental (SM, P = 0.0004), BMI ( P = 0.0006), and gender (G, P = 0.0454). By multivariate analysis, the subsequent regression model was obtained with an R 2 value of 0.3816: Outcome = G*4.72 [FIGURE DASH] BMI*0.70 [FIGURE DASH] C*0.11 + SM*0.31 + 87.44. The average predicted outcome using this equation did not differ significantly from the observed WOMAC physical function outcome at a minimum of 1 year postoperatively. Conclusion: To the best of our knowledge, this study is the first reported multivariate analysis of factors affecting MOMHR and confirms the correlation of some of the previously proposed factors such as gender, BMI, comorbidities, and preoperative function. The multivariate regression equation can be used to predict the short-term outcome of MOMHR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,303
Écart entre enseignants0,278 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopedics Traumatology and RehabilitationMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207