Strategies to Manage Poorer Outcomes After Hip or Knee Arthroplasty: A Narrative Review of Current Understanding, Unanswered Questions, and Future Directions
Notice bibliographique
Résumé
PURPOSE: Although hip or knee arthroplasty is generally a successful intervention, it is documented that 15%-30% of patients undergoing arthroplasty report suboptimal outcomes. This narrative review aims to provide an overview of the key findings concerning the management of poorer outcomes after hip or knee arthroplasty. METHOD: A comprehensive search of articles was conducted up to November 2023 across three electronic databases. Only studies written in English were included, with no limitations applied regarding study design and time. RESULT: Efficiently addressing poorer outcomes after arthroplasty necessitates a thorough exploration of appropriate methods for assessing recovery following hip or knee arthroplasty, ensuring accurate identification of patients at risk or experiencing poorer recovery. When selecting appropriate outcome measure tools, various factors should be taken into consideration, including understanding patients' priorities throughout the recovery process, assessing psychometric properties of outcome measure tools at different time points after arthroplasty, understanding how to combine/reconcile provider-assessed and patient-reported outcome measures, and determining the appropriate methods to interpret outcome measure scores. However, further research in these areas is warranted. In addition, the identification of key modifiable factors affecting outcomes and the development of interventions to manage these factors are needed. CONCLUSION: There is growing attention paid to delivering interventions for patients at risk or not optimally recovering following hip or knee arthroplasty. To achieve this, it is essential to identify the most appropriate outcome measure tools, factors associated with poorer recovery and management of these factors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».