Patellar luxation as a complication of surgical intervention for the management of cranial cruciate ligament rupture in dogs
Notice bibliographique
Résumé
Summary This retrospective study identified 32 cases of patellar luxation which occurred as a complication of surgical intervention for cranial cruciate ligament rupture (CCLR). The complication was recorded mostly in larger (≥20 kg) dogs with the Labrador Retriever being the most common breed. The complication followed extracapsular, intra-capsular and tibial plateau levelling surgery. The mean time from CCLR surgery to the diagnosis of patellar luxation was 14 weeks. The incidence of patellar luxation occurring as a complication of surgical intervention for CCLR was 0.18% of all CCLR corrective procedures. Corrective surgery for patellar luxation was successful in 79% of stifles. The patellar reluxation rate was significantly lower (p=0.0007) when at least one corrective osteotomy (tibial tuberosity transposition, femoral trochlear sulcoplasty or tibial plateau levelling osteotomy with tibial axial re-alignment) was performed (35%), compared to when corrective osteotomy was not performed (100% patellar reluxation rate). When performing corrective surgery for patellar luxation following CCLR surgery, at least one corrective osteotomy should be performed in order to reduce the patellar reluxation rate. The correction of patellar luxation following surgery for CCLR is challenging and carries a significant rate of failure.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».