MétaCan
Menu
Retour à la cohorte
Enregistrement W4297664996 · doi:10.1016/j.jseint.2022.07.011

Can we predict the humerus stem component size required to achieve rotational stability in metaphyseal stability concept?

2022· article· en· W4297664996 sur OpenAlexaff
Manuel Urvoy, William G. Blakeney, Patric Raiss, George S. Athwal, Thaïs Dutra Vieira, Gilles Walch

Notice bibliographique

RevueJSES International · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensHand and Upper Limb Clinic
Organismes subventionnairesnon disponible
Mots-clésMedicineHumerusArthroplastyIntramedullary rodShoulder ProsthesisImplantReproducibilityOrthodonticsSurgeryCohortProsthesisMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Background: Implant manufacturers typically offer several sizes of a humeral stem for shoulder arthroplasty so that time zero fixation can be achieved with the optimal size. Stem size can be templated preoperatively but is definitively determined intraoperatively. The purpose of this study was to determine if preoperatively acquired parameters, including patient demographics and imaging, could be used to reliably predict intraoperative humeral stem size. Methods: A cohort of 290 patients that underwent shoulder arthroplasty (116 anatomic and 174 reverse) was analyzed to create a regression formula to predict intraoperative stem size. The initial cohort was separated into train and test groups (randomly selected 80% and 20%, respectively). Patient demographics, anatomical measurements, and statistical shape model parameters determined from a preoperative shoulder arthroplasty planning software program were used for multilinear regression. The implant used for all cases was a short-stemmed metaphyseal-fit prosthesis. Results: of 0.63 was obtained for the multilinear regression equation combining these parameters. When analyzing the cohort for the prediction of stem size in the test group, 95% were within plus or minus one size of that used during surgery. Conclusion: Preoperative criteria such as humeral geometry and proximal humeral bone density can be combined in a single multilinear equation to predict intraoperative humeral stem size within one size variation. Embedding the surgeon's decision-making process into an automated algorithm potentially allows this process to be applied across the surgical community. Predicting intraoperative decisions such as humeral stem size also has potential implications for the management of implant stocks for both manufacturers and health-care facilities.

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)0,002
score de la tête « metaresearch » (Gemma)0,024
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,056
Tête enseignante GPT0,329
Écart entre enseignants0,273 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJSES InternationalMême sujetShoulder Injury and TreatmentTravaux en français237 207