High Incidence of Soft Tissue Injury in Pediatric Proximal Tibia Fractures: A Systematic Review
Notice bibliographique
Résumé
Purpose: The purpose of this study was to describe the incidence of soft tissue injuries associated with pediatric proximal tibial fractures (PPTF) and the frequency that magnetic resonance imaging (MRI) was used before surgery in this patient population. Methods: A systematic review of English literature, using EMBASE and PubMed, was completed. Articles reporting on soft tissue injury in PPTFs between 1980 and 2021 were identified. Associated pathology (meniscal tear, meniscal entrapment, cruciate ligament injury, extensor mechanism injury, and chondral injury) and use of MRI at time of diagnosis, were assessed in these studies. Twenty-three articles were included. Results: Extraction of data revealed 1046 patients and 1057 fractures, with a mean age of 12.3 ± 1.7 at the time of injury. Most patients were male (n = 757 [72.3%]). Most fractures were tibial eminence fractures (TEF) (n = 747 [70.7%]), followed by tibial tubercle (n = 218 [20.6%]) and then tibial plateau fractures (n = 92 [8.7%]). Associated soft tissue injuries were found in 58.8% (n = 621) of fractures overall. Meniscal entrapment was the most common, occurring in 22.1% (n = 234) of cases. Meniscal tears occurred in 18.6% of cases (n = 197), followed by ligament injury in 9.4% (n = 99), chondral injury in 6.5% (n = 69), and extensor mechanism injury in 2.1% (n = 22) of cases. All cases of tendinous extensor mechanism injury were seen in tibial tubercle fractures, with 22 injuries occurring in 10.1% of tibial tubercle fractures. At time of injury just 24.3% (n = 257) of fractures had an MRI performed before surgery. Conclusions: PPTFs are associated with a high incidence of associated injury (58.8%), particularly in TEFs (63.5%) and TPFs (100%). Level of Evidence: Systematic Review of Level III-IV studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».