MétaCan
Menu
Retour à la cohorte
Enregistrement W4415570975 · doi:10.1302/1358-992x.2025.11.013

KNEE KINEMATICS DURING LAXITY TESTING FOLLOWING ROBOTIC-ASSISTED AND CONVENTIONAL MECHANICAL TOTAL JOINT REPLACEMENT

2025· article· en· W4415570975 sur OpenAlexaff
Eve Donnelly, Mark Richards, Samira Vakili, Steven J. MacDonald, Ryan Willing, Brent A. Lanting

Notice bibliographique

RevueOrthopaedic Proceedings · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésKinematicsTotal knee replacementRange of motionValgusArthroplastyKnee JointJoint replacementImplant

Résumé

récupéré en direct d'OpenAlex

Robotic-assisted surgery has become an increasingly attractive option for orthopaedic surgeries, specifically in its use for total knee replacement (TKR). Despite the allure, characterization of the outcomes of robotic-assisted surgery against conventional manual methods remains to be investigated. Therefore, this study aims to characterize kinematics of TKR knees following robotic-assisted and conventional arthroplasty through loaded laxity testing. We hypothesize that robotic-assisted TKR will result in less variable kinematic behavior at end range of motion than its conventional counterparts. Seven pairs of TKR knees were used in this study. For each pair, one surgery was performed using conventional manual methods, while the contralateral side utilized a VELYS robotic-assisted solution (DePuy Synthes). All TKRs were performed by the same surgeon and used a cruciate retaining rotating platform (CR RP) implant system. The knees were mounted onto a VIVO joint motion simulator (Advanced Mechanical Technologies Inc.). Once installed, specimens were pre-conditioned via a baseline loading protocol that involved cycling though the flexion arc from 15 to 90 degrees, while reducing the joint with 30 N of compression. Next, laxity was assessed via applied isolated (1) 4 Nm internal/ external (IE) rotation torques, (2) 8 Nm varus/ valgus (VV) rotation torques, and (3) 40 N anterior, and 80 N posterior forces. Each was performed at discrete positions of 15, 30, 60 and 90 degrees of knee flexion. Laxity outputs were adjusted for joint behavior during baseline to mitigate and mounting biases and account for specimen-specific joint behavior, and conventional TKR and robotic-assisted TKR knees were compared via paired two-tailed t-tests for each combination of flexion angle and tested degree of freedom. At 90° flexion, external rotation laxity was significantly different between the groups (P=0.04), with conventional TKR knees exhibiting greater rotation (26.5° ± 9.1°) than robotic- assisted TKR knees (18.3° ± 3.5°). This is complemented by the observed trend of the difference between conventional and robotic TKR knee external rotation laxity limits increasing with each flexion angle”: 15.8° ± 8.1° [conventional] and 14.1° ± 4.1° [robotic-assisted] at 15 degrees, 20.2° ± 7.2° [conventional] and 18.5° ± 5.6° [robotic-assisted] at 30 degrees, and 21.9° ± 7.2° [conventional] and 19.0° ± 5.2° [robotic-assisted] at 60 degrees. No other statistically significant differences were identified. The results of the current study suggest that while conventionally done TKR may result in comparable joint laxity than those done using conventionally methods, through most of the flexion arc, the latter provides greater stability in external rotation in high flexion (namely 90°). However, observed laxity differences may be compensated for in the opposite direction, resulting in a balanced total laxity envelope. These findings could provide a greater understanding of patient outcomes and inform surgical decision making to cater to a patient's desired functional outcome.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,023
Tête enseignante GPT0,261
Écart entre enseignants0,238 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrthopaedic ProceedingsMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207