Feel, move, or walk? Which has a greater contribution to functioning in total knee arthroplasty? A comparative study between two instrumentations based on a classification and regression tree
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: This study aimed to know which variables most contribute to the functioning acquired in the third month using the Western Ontario and McMaster Universities Arthritis Index (WOMAC) and a multivariate analysis through classification and regression tree (CRT), comparing the conventional instrumentation (CI), and patient-specific instrumentation (PSI). Methods: This is an observational and retrospective study. The sample consisted of 252 patients, 68 receiving CI (27.0%) and 184 receiving PSI (73.0%). The functional variables of the study were: knee pain, passive flexion and extension, gait distance and the domains of the WOMAC index. Results: The CRT method identified that the only explanatory variable that contributed to the highest functioning in the CI group (13.2 in the WOMAC) was pain in the third month with a value ≤2.5 in the visual analog scale (VAS). In the PSI group, the variable that best explained functioning was pain in the first postoperative month (VAS ≤4.5), with the best functional result (2.8 in WOMAC) referring to the patients who walked >320.5 m in the 6-minute walk test in the first month and who had flexion of >112.5 in the third month. Conclusions: Feeling pain is the variable with the most significant explanatory power for the results achieved in functioning at the third month, regardless of the arthroplasty instrumentation employed. Moving the knee in higher flexion ranges and obtaining higher mean values of gait speed also positively influences functioning in patients subjected to PSI.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle