WE7.11 Robotic-assisted versus conventional total knee arthroplasty: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Abstract Aim To compare robotic-assisted total knee arthroplasty (TKA) and conventional TKA on both long-term and short-term follow-up. Methods For conducting this study, we searched four electronic databases. The outcomes were pooled as mean difference (MD) or risk ratio (RR), and 95% confidence interval. We used RevMan for performing the analysis. Results We included nine studies. The data showed a significant favoring of robotic-assisted TKA than the conventional one in mechanical alignment, Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC), and femoral coronal outliers (MD= -1.10, 95% CI [-1.51, -0.69], p<0.00001), (MD= -1.19, 95% CI [-2.35, -0.03], p=0.04), and (RR= 0.49, 95% CI [0.30, 0.80], p=0.004) respectively. On the other hand, the conventional TKA was better in range of motion-flexion (long-term) than the robotic-assisted one (MD= -3.02, 95% CI [-3.68, -2.37], p<0.00001). However, there were no significant differences between them in knee society score-knee score, knee society score-function score, change in hospital for special surgery, and change in range of motion-extension (MD= -0.36, 95% CI [-2.43, 1.70], p=0.73), (MD= -0.34, 95% CI [-2.36, 1.68], p=0.74), (MD=0.78, 95% CI [-0.84, 2.40], p=0.34), and (MD=0.16, 95% [-1.32, 1.64], p=0.83) respectively. Conclusion Robotic-assisted TKA had better outcomes than conventional TKA regarding mechanical alignment and WOMAC. However, the conventional approach showed a better range of motion-flexion in the long term. More data is needed for the long-term outcomes.
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 | 0,013 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,039 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».