Three-Dimensional Printing in Hand Surgery: What Is New? A Systematic Review
Notice bibliographique
Résumé
Aim: Preoperative planning and in-office patient education are essential elements of clinical management in patients afflicted with hand injuries. Three-dimensional (3D) printing aims to tackle these challenges by converting feedstock material into solid replicas. The purpose of this study was to review the clinical uses for 3D printing in hand surgery to identify approaches for delivering more personalized treatment strategies. Method: A systematic review was completed following PRISMA guidelines using Medline, Embase, and CINAHL databases, identifying studies published between 2013 and January 2025. A two-stage screening process, involving title, abstract, and full text reviews, was performed independently by two reviewers. Eligible studies included those involving patients with hand or wrist injuries (up to the distal radius) where 3D printing was utilized for diagnosis, surgical intervention, or rehabilitation. Results: The review included 751 patients (mean age: 38 years, range: 5–81 years) across 58 studies. The distal radius was the most commonly studied anatomical region (47%, N = 27), followed by the scaphoid (19%, N = 11). Key applications of 3D printing included preoperative planning (19%, N = 11), patient education (5%, N = 3), medical training (7%, N = 4), intra-operative assistance (38%, N = 22), splinting and casting (19%, N = 11), and prothesis and functional reconstruction (12%, N = 7). Conclusions: Despite its early stage of adoption in hand surgery, 3D printing has shown advantages, especially in enabling more personalized treatment strategies by improving intra-operative assistance, preoperative planning, and patient education. Further research is required to determine whether it positively affects postoperative outcomes, to calculate the cost–benefit ratio, and to compare its usage against standards of care.
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) | 0,001 | 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 ».