Post-traumatic Osteoarthritis of the Elbow Fractures: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Elbow fractures are recognized as a cause of post-traumatic osteoarthritis (PTOA) of the elbow, and there are wide variations in the studated incidences. The incidence and risk factors for developing PTOA after elbow fractures are reviewed in this systematic review and meta-analysis. Methods: We searched PubMed, Embase, Web of Science, Cochrane Library, and Scopus from inception to February 2024, and conducted a systematic review and meta-analysis. Elbow fractures in adults with at least 12 months’ followup were included in studies reporting incidence and risk factors for PTOA. For study and patient characteristics, fracture classification, treatment, and incidence of PTOA, data extraction was performed. Newcastle Ottawa Scale was used to assess quality. Heterogeneity was addressed by random-effects meta-analysis and subgroup/meta-regression analyses. Results: The 25 studies included involved a total of 1,538 patients. The pooled incidence of PTOA after elbow fractures was 30.3% (95% CI: 25.2%–35.8%). Incidence of simple fractures and intra articular fractures was reported. Significant risk factors included advanced age, male gender, fracture displacement and comminution, intraarticular fracture fragments, and nonoperative treatment. Conclusion: In approximately 30% of patients who have an elbow fracture, PTOA will occur, and intra-articular fractures are associated with a higher risk. Optimization of management and reduction in long term arthritis may be achieved by identifying modifiable risk factors (eg, ensuring fracture reduction and fixation).
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,005 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».