Subscapularis management in anatomic total shoulder arthroplasty: A systematic review and network meta-analysis
Notice bibliographique
Résumé
Background: This systematic review and network meta-analysis compare clinical outcomes of three different subscapularis management techniques in anatomic total shoulder arthroplasty: lesser tuberosity osteotomy, subscapularis peel, and subscapularis tenotomy. Methods: PubMed, Web of Science, Embase, and Cochrane's trial registry were searched in July 2021. Comparative studies and case series evaluating the outcomes of these three techniques were included. The network meta-analysis was performed only on comparative studies. Results: Twenty-three studies were included. Both lesser tuberosity osteotomy and subscapularis peel had significantly higher Western Ontario Osteoarthritis Scores compared to subscapularis tenotomy, but no difference in American Shoulder and Elbow Society Scores. Subscapularis peel had superior external rotation compared to lesser tuberosity osteotomy. However, no difference was found in external rotation between subscapularis peel and subscapularis tenotomy or between subscapularis tenotomy and lesser tuberosity osteotomy. The overall weighted average for lesser tuberosity osteotomy bony union was 93.6%, whereas the overall weighted average for subscapularis tendon healing was 79.4% and 87% for subscapularis tenotomy and subscapularis peel, respectively. Discussion: This network meta-analysis demonstrated that lesser tuberosity osteotomy and subscapularis peel were associated with the high union and subscapularis healing rates and may be associated with improved shoulder function and quality of life, compared to subscapularis tenotomy. Lesser tuberosity osteotomy and subscapularis peel demonstrate a trend of superior outcomes compared to subscapularis tenotomy during anatomic total shoulder arthroplasty.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,006 |
| Bibliométrie | 0,001 | 0,004 |
| 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) | 0,007 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».