MétaCan
Menu
Retour à la cohorte
Enregistrement W4293679885 · doi:10.3390/medicina58081079

Online Instruction to Measure Axial Alignment with the Bonesetter App

2022· article· en· W4293679885 sur OpenAlexaff
Mitchell Bernstein, Tatiana Bunge, Kadence Rosinski, Maurício Kfuri, Brett D. Crist, Andrew Knapp, Rahul Vaidya

Notice bibliographique

RevueMedicina · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueBone fractures and treatments
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésStandard deviationMeasure (data warehouse)DeformityComputer scienceOrthopedic surgeryOrthodonticsMedicineMedical physicsSurgeryMathematicsStatisticsData mining

Résumé

récupéré en direct d'OpenAlex

Background and objectives: Alignment of the lower extremity is important when treating congenital deformities, fractures, and joint replacement. During the COVID-19 pandemic, AO North America offered an online course on deformity measurement and planning. The Bonesetter app is a deformity planning tool that is freely available online. The purpose of this study was to see how effective an online course was in teaching axial alignment measurement and to assess that skill using an online digital planning tool, the Bonesetter app. Materials and Methods: An online module on axial alignment was provided during the AONA osteotomy course as well as a tutorial on how to use an online digital planning tool (Bonesetter app). The tools within the Bonesetter app allow users to draw digital lines directly on the CT images and measure the exact angle between two planes. Participants in this study were directed to perform these measurements in four different cases that tested different variations of deformity. Results: The measurements were completed correctly in case 1 = 56%, case 2 = 61%, case 3 = 84%, and case 4 = 76%. The standard deviation of angular digital measurements between individuals was ±4.26 degrees. Measuring the angle directly vs. drawing angles to a horizontal line had smaller standard deviations per case (p < 0.005) and less incidents outside 1 standard deviation for each measurement. Errors in adding and subtracting were the most common errors, particularly in relation to femoral anteversion or retroversion. Conclusions: The online course successfully instructed a group of orthopedic surgeons to measure alignment and malalignment of lower limb axial deformities. The Bonesetter app helped participants to learn this skill and identify errors in measurement. The inability to differentiate between anteversion and retroversion of the femur is a common source of error when it occurs and should be a focus of instruction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicinaMême sujetBone fractures and treatmentsTravaux en français237 207