MétaCan
Menu
Retour à la cohorte
Enregistrement W4293084863 · doi:10.2196/40703

Postoperative Outcomes of a Digital Rehabilitation Program After Total Knee Arthroplasty: Retrospective, Observational Feasibility Study

2022· article· en· W4293084863 sur OpenAlexvenueno aff
Mindy Hong, Joey Loeb, Manshu Yang, Jeannie F. Bailey

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTotal Knee Arthroplasty Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePhysical therapyRehabilitationObservational studyAnxietyPatient satisfactionArthroplastyHealth carePopulationExact testMann–Whitney U testSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Surgery can sometimes be the best solution for chronic musculoskeletal pain, but presurgical preparation and postsurgical rehabilitation are often required to achieve the maximum benefits. A digital musculoskeletal surgical care program was developed to support the population of patients undergoing total knee arthroplasty. OBJECTIVE: We aimed to demonstrate safety, engagement, and acceptability and explore clinical outcomes, health care use, and satisfaction among participants of a digital musculoskeletal surgical care program who were undergoing total knee arthroplasty. METHODS: A retrospective, observational feasibility study comparing digital musculoskeletal surgical care program participants to a comparison group was conducted. The intervention group registered for a digital musculoskeletal surgical care program, which included health coaches, physical therapists, and tailored exercises and educational articles to provide preoperative and postoperative support to patients who had recently undergone total knee arthroplasty. Comparison group members received standard-of-care treatment. Engagement (number of exercise therapy sessions and educational articles accessed per week) and acceptability (Net Promoter Score) were examined among intervention group participants. Descriptive statistics for postoperative outcomes, including safety (postoperative complications), clinical improvement (pain, function, anxiety, and depression), and health care use and experiences (length of hospital stay, surgery satisfaction, and physical therapy adherence), were reported for both groups. Differences among postoperative results were compared by using the independent samples 2-tailed t test or Mann-Whitney test for continuous outcomes and the Fisher exact test or chi-square test for categorical outcomes. RESULTS: Of the 53 participants (intervention group: n=22; comparison group: n=31) who were included in this study, 35 (66%) were female and 25 (47%) were aged from 45 to 60 years. On average, the intervention group completed 23 exercise sessions, read 2.7 educational articles, sent 45.5 texts to their health coaches, and were actively engaged for 6 weeks after their operation. Among 21 participants, 14 (67%) self-reported as promoters on the Net Promoter Score scale. Intervention group members reported fewer postoperative complications (6/22, 27%) than the comparison group (15/31, 48%), and they experienced better outcomes with regard to function (Knee Injury and Osteoarthritis Outcome Score-Physical Function Short Form-intervention group: mean 23.0; comparison group: mean 32.5), depression (Patient Health Questionnaire 2-Item-intervention group: mean 0.4; comparison group: mean 1.6), anxiety (General Anxiety Disorder 2-Item-intervention group: mean 0.6; comparison group: mean 1.5), and impressions of change (Patient Global Impression of Change-intervention group: median 7.0; comparison group: median 6.0). Intervention group participants also reported less health care use, better adherence to their physical therapy exercises, and higher surgery satisfaction. CONCLUSIONS: Our digital musculoskeletal surgical care program shows promising levels of engagement and acceptability among those who recently underwent total knee arthroplasty. The surgical care program may also help with improving postsurgical complications and clinical outcomes and lowering health care use.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,054
Tête enseignante GPT0,401
Écart entre enseignants0,347 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetTotal Knee Arthroplasty OutcomesTravaux en français237 207