Comparative Study of Clinical and Radiological Outcomes of Conventional Total Knee Replacement (TKR) and Robotic-Assisted TKR in Patients with Bilateral Varus Deformity Knee OA within the Eastern Population
Notice bibliographique
Résumé
Background: Osteoarthritis (OA) of the knee, including bilateral varus deformity, presents unique challenges for treatment. This comparative study evaluates clinical and radiological outcomes of conventional total knee replacement (TKR) and robotic-assisted TKR in patients with bilateral varus deformity knee OA within the Eastern population. Methods: A prospective study was conducted on 84 bilateral varus deformity knee OA patients treated with two different surgical approaches: Group A (Conventional TKR) and Group B (Robotic-assisted TKR). Clinical outcomes, including pain relief, functional improvement, and patient satisfaction, were assessed using Visual Analog Scale (VAS), Knee Society Score (KSS), Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC), and quality of life measures. Radiological outcomes, including alignment and component positioning, were evaluated. Statistical analyses compared outcomes between groups. Results: Both groups demonstrated significant improvements in clinical and radiological outcomes. Robotic-assisted TKR showed advantages with reduced pain (p < 0.001), superior knee function (p < 0.001), better pain relief and function (p < 0.001), higher patient satisfaction (p < 0.001), and improved quality of life (p < 0.001) compared to conventional TKR. Radiologically, robotic-assisted TKR exhibited superior alignment (p < 0.001) and component positioning (p < 0.001). Implant survivorship remained excellent in both groups, with no revisions reported. Conclusion: Robotic-assisted TKR offers significant benefits in pain relief, functional improvement, and radiological outcomes for patients with bilateral varus deformity knee OA within the Eastern population. While both approaches are effective, the advantages of robotic assistance should be considered in surgical decision-making. Further research is needed to assess cost-effectiveness and long-term outcomes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».