MétaCan
Menu
Retour à la cohorte
Enregistrement W4411394431 · doi:10.1016/j.eats.2025.103699

Bridging Reconstruction Using a Biocomposite Scaffold for Large/Massive Rotator Cuff Tears: A Technique Guide

2025· article· en· W4411394431 sur OpenAlexaff
Samora Maranya, Sarah Remedios, Helen Crofts, Ivan Wong

Notice bibliographique

RevueArthroscopy Techniques · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensUniversity of British ColumbiaNova Scotia HospitalNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesDePuy Synthes SpineConMedSmith and Nephew
Mots-clésRotator cuffMedicineBiocompositeTearsBridging (networking)ScaffoldSurgeryBiomedical engineeringComposite materialComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Given the proposed mechanism of failure in maximal repair at the suture-tendon interface and the inherent inferior quality of cuff tissue in large and massive rotator cuff tears, a solution providing both strength and improved cuff biology remains the main goal in preventing retears and allowing enhanced rehabilitation to restore cuff muscle strength. This has led to graft-based approaches for reconstruction in shoulder repair, including bridging reconstruction. Biocomposite grafts encourage new tissue formation but lack structural support, while human dermal allografts provide structural support but fall short in tendon integration. Thus, a biocomposite scaffold is introduced to combat these limitations. In this technique, we describe placing the BioBrace graft (Biorez), eliminating tension at the graft-suture interface, providing strength and tissue integration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,359
Écart entre enseignants0,342 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArthroscopy TechniquesMême sujetShoulder Injury and TreatmentTravaux en français237 207