Does Robotic-Assisted Functional Knee Positioning Result in Better Functional Outcomes One Year After Surgery
Notice bibliographique
Résumé
INTRODUCTION: Robotic-assisted total knee arthroplasty (TKA) allows surgeons to individualize implant placement based on soft tissue and bony anatomy, called functional knee positioning (FKP). We aimed to compare patient-reported outcome measures (PROMs) of mechanically aligned total knee arthroplasty (MA-TKA) with functionally positioned total knee arthroplasty (FP-TKA). MATERIALS AND METHODS: Patients who underwent primary MA-TKA and FP-TKA were propensity score matched 1:1 (145 MA-TKA: 145 FP-TKA cases) using a prospectively collected institutional dataset. For FP-TKA cases, the surgeon followed functional positioning principles, individualizing planned implant position to balance the knee prior to bone cuts while minimizing the need for soft tissue releases. For MA-TKA, cases were mechanically aligned and gap balanced using standard techniques. The postoperative reduced Western Ontario and McMaster Arthritis Score (r-WOMAC) Pain and Function scores were compared at six months and one year using average and t-tests. The length of stay (LOS), as well as knee extension and flexion at six weeks were compared. RESULTS: There was no statistically significant difference in the r-WOMAC pain and r-WOMAC function scores between both groups at six months; however, both trended towards the FP-TKA group. At one year, the r-WOMAC function scores significantly improved for the FP-TKA group compared to controls (2.94 vs. 4.38; p=0.02). There was no significant difference in the r-WOMAC pain scores at one year. The FP-TKA cohort required a shorter LOS compared to those who had MA-TKA (1.75 vs. 2.36; p<0.0001). There was no significant difference in flexion or extension at six weeks between groups (p=0.77 and 0.18, respectively). CONCLUSION: We demonstrate that patients who underwent FP-TKA trended toward functional improvements at six months and significant improvements in function at one year (which did not reach minimally clinical important difference). Functional positioning strategies may improve patient-reported outcomes due to minimizing dissection and personalizing implant position.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».