Kinematics and Early Clinical Outcomes of Navigated Total Knee Arthroplasty through a Lateral Subvastus Approach
Notice bibliographique
Résumé
A procedure with subvastus lateral approach has been utilized routinely on 60 patients, navigation was used due to the reduced exposure of this technique. Purpose of this study was to evaluate pain, function, and implant kinematics at early follow up of this surgical technique. Tibial and femoral implant planning was based on ligament balance, gaps, and intraoperative kinematics. This approach, on pain and function, was verified at early follow- up. KSS and pain score were obtained at pre-op, 1, 3, 12 months. Data were analyzed with ANOVA for KSS and Chi-square for Pain. No intraoperative complications were registered, no patellar tendon lesion or avulsion was noted. Preoperative average leg alignment was 4±6° varus (range 16; -14), corrected to 0° (range 2; -1). Kinematic analysis showed rollback on lateral compartment, while on medial compartment rollback was lower or negligible until 70° of flexion. Less than 5% had a “Fair” or “Poor” KSS score after 3 months. Preop pain was: 41% severe; 50% moderate; 8% mild and 0% none. At 1 month pain was: 2% severe; 18% moderate; 55% mild and 25% none. After 3 months 50% of patients had mild and 50% had no pain. This data was maintained after 1 year, with 31% of patients with mild and 69% of patients no pain (p<0.05). This approach produced promising early outcomes in terms of pain, ROM and knee function, with less than 5% of patients presenting sub-optimal clinical results at 3- months. On symmetrical implant, medial pivot behavior was observed. Medial ligamental envelope preservation and navigated ligament balancing allow to optimize the medial stability and minimize the post-operative pain.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».