Computer Assisted Navigation Surgery Obviates the Need of Extensive Soft Tissue Release During Total Knee Arthroplasty for Varus Knees
Notice bibliographique
Résumé
Introduction: We aim to (a) evaluate the kinematic patterns of varus deformities in patients with osteoarthritic knees (b) compare our result with literature published in the past and identify a valid classification scheme for the kinematic patterns of varus deformity, and (c) validate the concept of need-based soft tissue release in TKA. Methods: The computer navigations data for all those patients who underwent TKA for varus deformity was extracted and was used to assess the change in coronal plane alignment throughout the range of motion. Clinically, patient satisfaction levels were assessed by using Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) score and functional outcomes were assessed using the Knee Society Score (KSS). Results: 120 patients satisfied the inclusion criteria set for the study. The mean age of the patients was 62.5 ± 7.09 years. The mean preoperative varus deformity was 9.5º ± 4.99o, which was correctable to a mean of 2.88º ± 2.48o in full extension. It was found that 74 (61.7%) patients had correctable varus while 46 (38.3%) had non-correctable varus. Based on the deformity pattern, the soft tissue release required was different in each group of patients. There was a statistically significant improvement both the clinical parameters (p < 0.001). Conclusion: Computer Assisted Navigation System helps to identify the dynamic nature of knee deformity before bone resections and soft tissue release. The soft tissue release for balancing the knee in varus osteoarthritic knees can be tailored sequentially according to need-base for a given pattern of deformity.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».