Influence of Training Background on Elbow Arthroplasty Case Numbers: An Analysis of the American Board of Orthopaedic Surgery Part II Oral Examination Case List Database
Notice bibliographique
Résumé
INTRODUCTION: This study aimed to evaluate the influence of training background on the frequency and indications of elbow arthroplasty performed by early-career surgeons. METHODS: A review of the American Board of Orthopaedic Surgery Part II Oral Examination Case List database from 2010 to 2021 was completed. The number of cases performed by surgeons from each individual training background were calculated and compared with the total number of surgeons who completed each fellowship during the study period. RESULTS: Hand surgeons performed the most elbow arthroplasty cases (132, 44%), but a higher percentage of shoulder/elbow surgeons performed elbow arthroplasty in comparison (15% vs. 7%). The mean number of TEA cases performed by shoulder/elbow surgeons was significantly higher than in other subspecialties (P < 0.01). However, when comparing only surgeons who performed elbow arthroplasty during the board collection period, there was no significant difference between training backgrounds (P = 0.20). DISCUSSION: While hand surgeons performed the most elbow arthroplasty cases, a higher percentage of shoulder/elbow surgeons performed elbow arthroplasty during the study period. The high prevalence of distal humerus fracture as an indication for arthroplasty reflected a shift in indications and was not related to training background.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».