Functional Outcome of Subvastus versus Medial Parapatellar Approaches for Total Knee Replacement in Patients with Knee Osteoarthritis: A Prospective Cohort Study
Notice bibliographique
Résumé
Abstract Background: Subvastus approach and medial parapatellar approach are two major approaches for total knee replacement (TKR). There is no global consensus on the superiority of either approach in terms of functional outcomes. Objective: The present study aimed to evaluate the functional outcome of TKR through subvastus approach and medial parapatellar approach by using patient-reported scores at 3-, 6-, and 12-month post-operative follow-ups. Methods: This prospective cohort follow-up study included patients with knee osteoarthritis who underwent elective primary TKR either through the subvastus or medial parapatellar approaches at King Abdullah Medical City, Makkah city, Kingdom of Saudi Arabia, from January 2019 to December 2022. Scores from the self-reported Oxford Knee Score (OKS) and the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) were compared in the two groups of patients at 3-, 6-, and 12-month post-operative follow-ups. Results: A total of 98 patients were included, of which 37 underwent TKR through the subvastus approach and 61 through the medial parapatellar approach. There was an overall significant change over time in both WOMAC and OKS scores ( P < 0.001). Patients who underwent the subvastus approach had significantly higher mean of WOMAC and OKS than patients with the medial parapatellar approach at the 3- and 6-month follow-ups ( P < 0.05), but not at the 12-month follow-up. Conclusions: For TKR, the medial parapatellar approach results in better functional outcomes at the 3- and 6- month follow-up periods compared with the subvastus approach.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».