A systematic review and meta-analysis comparing suprapatellar versus infrapatellar approach intramedullary nailing for tibal shaft fractures
Notice bibliographique
Résumé
BACKGROUND: The application of the suprapatellar (SP) approach has challenged the traditional infrapatellar (IP) approach in the surgery treatment of tibial shaft fractures, yet the advantages and disadvantages still remain controversial. We included more high-quality studies for this meta-analysis and systematic review to evaluate the clinical outcomes and prognosis of both approaches and thus to provide new ideas for surgeons. METHOD: We searched literatures from PubMed, Cochrane Library, Web of Science, and EMBASE databases from January 2000 to December 2022. We extracted general information including sample size, gender, proportion of open fracture, follow-up time, and outcome indicators including entrance accuracy, fluoroscopy time, operation time, intraoperative blood loss, Lysholm score, VAS pain score, range of motion (ROM) function score, reposition accuracy, and revision cases. Cochrane Collaboration's tool and the Newcastle-Ottawa Scale were used to evaluate literature qualities. Meta-analysis was performed using RevMan 5.4 software. RESULTS: A total of 23 studies were generated that qualified for inclusion, 17 of which were used for meta-analysis. This study found statistically significant differences in coronal plane entrance accuracy, fluoroscopy time, Lysholm score, and VAS pain score. CONCLUSION: The results of our meta-analysis showed that the SP approach was significantly better than the IP approach in angle and distance entrance accuracy of coronal plane, angle entrance accuracy of sagittal plane, fluoroscopy time, Lysholm score, and VAS pain score. There were no significant differences in sagittal angle accuracy, operative time, intraoperative blood loss, and ROM score.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| 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 | 0,001 |
| 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 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 ».