MétaCan
Menu
Retour à la cohorte
Enregistrement W4402147513 · doi:10.22038/abjs.2024.78871.3623

Antegrade vs Retrograde Intra-Medullary Nailing in Femoral Shaft Fractures: A Systematic Review and Meta-Analysis.

2024· review· en· W4402147513 sur OpenAlexaff
Mohammad Daher, Jean Tarchichi, Ziad Zalaquett, Jack C. Casey, Joe Ghanimeh, Jad Mansour

Notice bibliographique

RevuePubMed · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueBone fractures and treatments
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedullary cavityFemoral shaftMedicineMeta-analysisSurgeryAnatomyFemurInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objectives: Femoral shaft fractures are one of the most prevalent fractures found in clinical practice. Numerous operative and non-operative options are readily available for the treatment of such fractures with intra-medullary nailing being the gold standard. To date, no consensus has been reached favoring one approach over the other. Thus, this meta-analysis aims to compare the outcomes between an antegrade and retrograde intra-medullary nailing for the treatment of femoral shaft fractures. Methods: PubMed, Cochrane, Google Scholar (page 1-20), and Embase were searched till January 2024. The clinical outcomes evaluated were the incidence of adverse events, reoperations, hip and knee pain, and surgery-related parameters. Results: Higher rates of hip pain, and heterotopic ossification (p=0.0003, and p=0.0002 respectively) was observed with antegrade nailing. However, a higher rate of knee pain (p=0.02) was appreciated in retrograde nailing. There was no statistically significant difference in the remaining analyzed outcomes such as operative time, reoperation rate or other complications. Conclusion: Despite a higher rate of heterotopic ossification using the antegrade nailing technique, both the antegrade and retrograde nailing techniques yield overall similar outcomes. Therefore, the decision to choose one or the other should be based on patient-related factors, and the surgeon's experience and preference.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0160,005
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,362
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetBone fractures and treatmentsTravaux en français237 207