MétaCan
Menu
Retour à la cohorte
Enregistrement W4320709641 · doi:10.5435/jaaosglobal-d-22-00289

Attention to Detail: The Effect of Fluoroscopic Parallax on Limb Alignment Assessment During Corrective Osteotomy

2023· article· en· W4320709641 sur OpenAlexaff
Matthew Weldon, Abraham J. Arenas, Alex Abraham, Layla A. Haidar, Ryan J. Warth, Alfred Mansour

Notice bibliographique

RevueJAAOS Global Research and Reviews · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTotal Knee Arthroplasty Outcomes
Établissements canadiensObject Research Systems (Canada)
Organismes subventionnairesnon disponible
Mots-clésParallaxOsteotomyComputer scienceMedicineFluoroscopyOrthodonticsComputer visionArtificial intelligencePhysical medicine and rehabilitationRadiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The accuracy of a corrective osteotomy is dependent on many factors. One error rarely considered is using noncentered fluoroscopic imaging to assess intraoperative alignment. This study quantified the coronal alignment error produced by visual parallax per interval changes in vertical and horizontal positioning of the C-arm and alignment rod during intraoperative evaluation. METHODS: Unilateral hip, ankle, and knee fluoroscopic images were obtained from a single intact cadaveric specimen. A center-center fluoroscopic image was obtained by moving the C-arm appeared in the center square of the nine-box grid. With the base of the C-arm stationary, the radiograph generator/intensifier portion of the C-arm was translated medially until the target bone appeared on the edge of the fluoroscopic image. RESULTS: One hundred eight images were obtained. Measurement error increased by an average of 14% per 10 mm of horizontal C-arm offset. Minimal effect was seen if the obtained image was within 5 mm of the true center; however, once 55 mm of offset was reached, all experimental conditions resulted in at least 10 mm of parallax error. CONCLUSION: Our results demonstrate that small variations in C-arm positioning can create statistically significant inaccuracies when assessing limb alignment using intraoperative fluoroscopy.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,434
Écart entre enseignants0,384 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAAOS Global Research and ReviewsMême sujetTotal Knee Arthroplasty OutcomesTravaux en français237 207