MétaCan
Menu
Retour à la cohorte
Enregistrement W4297845834 · doi:10.1160/vcot-06-10-0074

Patellar luxation as a complication of surgical intervention for the management of cranial cruciate ligament rupture in dogs

2007· article· en· W4297845834 sur OpenAlexaboutno aff
Sorrel Langley‐Hobbs, Gareth Arthurs

Notice bibliographique

RevueVeterinary and Comparative Orthopaedics and Traumatology · 2007
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCruciate ligamentSurgeryComplicationOsteotomyPatellar ligamentPatellar tendonAnterior cruciate ligament

Résumé

récupéré en direct d'OpenAlex

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 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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,549

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,099
Tête enseignante GPT0,371
Écart entre enseignants0,272 · 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'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

Citations34
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVeterinary and Comparative Orthopaedics and TraumatologyMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207