Assessing the TNM Classification for Periprosthetic Joint Infections of the Knee: Predictive Validity for Functional and Subjective Outcomes
Notice bibliographique
Résumé
Background: Periprosthetic joint infection (PJI) following knee arthroplasty can significantly compromise patient mobility and quality of life. The newly proposed TNM classification system, adapted from oncology, categorizes PJI severity but has not yet been correlated with both subjective and objective outcomes post PJI treatment. Objective: This study evaluates the applicability of the TNM classification system for predicting outcomes in knee PJI revision surgeries. Methods: We conducted a retrospective analysis of 108 patients who underwent revision surgeries for knee PJI at our institution from January 2012 to January 2023. We assessed the correlation between the TNM classification and postoperative outcomes using the Knee Society Score (KSS) function and knee score, as well as the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). Results: The TNM classification demonstrated that higher ‘T’ stages were significantly associated with worse functional and subjective outcomes. The ‘N’ classification had limited predictive value, likely due to treatment adjustments based on pathogen type. The ‘M’ classification correlated with functional outcomes but not with subjective scores, suggesting that patients with more severe preoperative comorbidities might adjust their expectations. Conclusions: While the TNM classification shows potential, its current form as a prognostic tool in PJI management is limited. Enhancing the ‘T’ component, coupled with the integration of a validated morbidity score such as the CCI could improve its prognostic value. Despite its shortcomings, the TNM system may still provide valuable prognostic insights for both patients and surgeons in tackling complex PJI.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».