Anterior Center-Edge Angle Is Less Reliable Than Anterior Wall Index to Predict Anterior Coverage of the Femoral Head
Notice bibliographique
Résumé
Background: No consensus is available regarding which radiographic measurement most accurately correlates with anterior coverage of the femoral head. Purpose: (1) To determine the correlation between 2 measurements of anterior wall coverage: total anterior coverage (TAC) calculated from radiographs and equatorial anterior acetabular sector angle (eAASA) calculated from computed tomography (CT) scans; (2) to define the correlation between anterior center-edge angle (ACEA) and anterior wall index (AWI) with TAC and eAASA; and (3) to investigate what other radiographic metrics may help predict anterior coverage. Study Design: Cohort study (Diagnosis); Level of evidence, 3. Methods: The authors retrospectively reviewed 77 hips (48 patients) for which radiographs and CT scans were obtained for reasons other than hip-related pain. Mean age of the population was 62 ± 22 years; 48 (62%) hips were from female patients. Two observers measured lateral center-edge angle (LCEA), AWI, Tönnis angle, ACEA, CT-based pelvic tilt, and CT-based acetabular version, with all Bland-Altman plots within 95% agreement. Correlation between intermethod measurements was estimated with a Pearson coefficient. Linear regression was used to test the ability of baseline radiographic measurements to predict both TAC and eAASA. Results: Pearson coefficients were r = 0.164 (ACEA vs TAC; P = .155), r = 0.170 (ACEA vs eAASA; P = .140), r = 0.58 (AWI vs TAC; P = .0001), and r = 0.693 (AWI vs eAASA; P < .0001). Multiple linear regression model 1 showed that AWI (β = 17.8; 95% CI, 5.7 to 29.9; P = .004), CT acetabular version (β = −0.45; 95% CI, −0.71 to −0.22; P = .001), and LCEA (β = 0.33; 95% CI, 0.19 to 0.47; P = .001) were useful to predict TAC. Multiple linear regression model 2 revealed that AWI (β = 25; 95% CI, 15.67 to 34.4; P = .001), CT acetabular version (β = −0.48; 95% CI, −0.67 to −0.29; P = .001), CT pelvic tilt (β = 0.26; 95% CI, 0.12 to 0.4; P = .001), and LCEA (β = 0.21; 95% CI, 0.1 to 0.3; P = .001) accurately predicted eAASA. Model-based estimates and 95% CIs using 2000 bootstrap samples from the original data were 6.16 to 28.6 for AWI in model 1 and 15.1 to 34.26 for AWI in model 2. Conclusion: There was a moderate to strong correlation between AWI and both TAC and eAASA, whereas ACEA correlated weakly with the former measurements, thus not being useful to quantify anterior acetabular coverage. Other variables such as LCEA, acetabular version, and pelvic tilt may also help predict anterior coverage in asymptomatic hips.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».