Optimal surgical treatment for periprosthetic distal femoral fractures after total knee arthroplasty: a Bayesian-based network analysis
Notice bibliographique
Résumé
BACKGROUND: The surgical methods for periprosthetic distal femoral fractures (PDFFs) after total knee arthroplasty included locking compression plate (LCP), retrograde intramedullary nailing (RIMN), and distal femoral replacement (DFR). However, the optimal treatment remains controversial. We performed a network meta-analysis (NMA) to provide the optimal surgical method for PDFFs. MATERIALS AND METHODS: Electronic databases, including Embase, Web of Science, Cochrane Library, and PubMed, were searched for studies that compared LCP, RIMN, and DFR for PDFFs. The quality of the included studies was assessed according to the Newcastle-Ottawa scale. Pairwise meta-analysis was performed by Review Manager version 5.4. The NMA was conducted in Aggregate Data Drug Information System software version 1.16.5. We calculated odds ratios (ORs) and 95% confidence intervals (CIs) for postoperative complications and reoperations. RESULTS: A total of 19 studies and 1198 patients were included, of whom 733 for LCP, 282 for RIMN, and 183 for DFR. Pairwise meta-analysis comparing LCP to RIMN and LCP to DFR showed no significant difference in complications and reoperations except that RIMN had a higher risk of malunion comparing to LCP (OR 3.05; 95% CI 1.46-6.34; P = 0.003). No statistically significant effects were found in the NMA of overall complications, infection, and reoperation. However, results of rank probabilities showed that DFR ranked best in overall complications and reoperation, RIMN ranked best in infection but worst in reoperation, and LCP ranked worst in infection and middle in reoperation. DISCUSSION: We found similar complication rate and reoperation rate between LCP, RIMN, and DFR. The results of rank probabilities favored DFR, and further studies with high-level evidence are expected to verify the optimal surgical method for PDFFs. LEVEL OF EVIDENCE: Level II; network meta-analysis.
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 | 0,027 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,012 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».