MétaCan
Menu
Retour à la cohorte
Enregistrement W4361211257 · doi:10.1097/oi9.0000000000000244

Evaluation and treatment of postoperative periprosthetic humeral fragility fractures

2023· review· en· W4361211257 sur OpenAlexaff
Evangeline F. Kobayashi, Surena Namdari, Mara L. Schenker, George S. Athwal, Jaimo Ahn

Notice bibliographique

RevueOTA International The Open Access Journal of Orthopaedic Trauma · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensHand and Upper Limb Clinic
Organismes subventionnairesnon disponible
Mots-clésPeriprostheticFragilityMedicineSurgeryArthroplasty

Résumé

récupéré en direct d'OpenAlex

Postoperative periprosthetic humeral shaft fractures represent a growing and difficult complication to treat given the aging patient population and associated bone loss. Determining the best treatment option is multifactorial, including patient characteristics, fracture pattern, remaining bone stock, and implant stability. Possible treatment options include nonoperative management with bracing or surgical intervention. Nonoperative treatment has been shown to have higher nonunion rates, thus should only be selected for a specific patient population with minimally displaced fractures or those that are unfit for surgery. Surgical management is recommended with prosthetic loosening, fracture nonunion, or failure of nonoperative treatment. Surgical options include open reduction and internal fixation, revision arthroplasty, or hybrid fixation. Careful evaluation, decision making, and planning is required in the treatment of these fractures.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,265
Tête enseignante GPT0,538
Écart entre enseignants0,273 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOTA International The Open Access Journal of Orthopaedic TraumaMême sujetShoulder Injury and TreatmentTravaux en français237 207