Nonunion in Foot and Ankle Arthrodesis Surgery: Review of Risk Factors, Identification of High-risk Patients, and a Guide to Perioperative Testing and Optimization
Notice bibliographique
Résumé
Foot and ankle arthrodesis surgery is often associated with high rates of nonunion ranging from 8% to 40%. This complication can result in individual patient burden and system burden in the management of these complex patients. Biologic factors contribute greatly to the development of a nonunion, including patient-related modifiable risk factors, metabolic and endocrine factors, systemic disease, previous surgeries, medications, weight loss treatments, and posttraumatic and postsurgical factors. Despite the high nonunion rate, there is a lack of high-level evidence in the identification of high-risk patients, strategies to minimize nonunion, and the management of patients with nonunion. An accepted standard of practice has not been established. This review aims to provide foot and ankle surgeons with (1) a comprehensive review of risk factors for nonunion, (2) a tool to identify high-risk patients using a preoperative patient questionnaire, (3) a clinical practice guide to preoperative and intraoperative testing that aims to improve preoperative counselling and patient optimization, and (4) perioperative strategies to minimize nonunion risk. With the above framework, our goal is to minimize nonunion risk in patients undergoing foot and ankle arthrodesis surgery to improve patient care and 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 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 | 0,002 | 0,006 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».