ĐÁNH GIÁ KẾT QUẢ BƯỚC ĐẦU ĐIỀU TRỊ GÃY XƯƠNG GÓT BẰNG PHƯƠNG PHÁP KẾT HỢP XƯƠNG NẸP VÍT KHÓA
Notice bibliographique
Résumé
Đặt vấn đề: Gãy xương gót là tổn thương thường gặp trong gãy xương vùng cổ chân, có 70% các trường hợp gãy xương gót là gãy phạm khớp. Trước đây gãy xương gót thường được điều trị bảo tồn nhưng với sự tiến bộ của các phương pháp chẩn đoán hình ảnh cho phép khảo sát rõ hơn về hình ảnh học tổn thương thì phẫu thuật xương gót được áp dụng nhiều hơn, với lợi thế kiểm soát ổ gãy và nắn chỉnh dễ dàng ứng dụng các loại nẹp vít khoá thiết kế theo giải phẫu đã cải thiện kết quả phẫu thuật kết hợp xương gót. Mục tiêu nghiên cứu: Đánh giá kết quả bước đầu điều trị gãy xương gót bằng phương pháp kết hợp xương nẹp vít khóa tại Bệnh viện Đa khoa Thống Nhất tỉnh Đồng Nai. Đối tượng và phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang tiến cứu hồi cứu trên 39 bệnh nhân gãy xương gót đã được phẫu thuật kết hợp xương bằng nẹp vít khoá, theo dõi sau 6 tháng sau phẫu thuật. Kết quả: 39 bệnh nhân có tuổi trung bình là 42.6 ± 11.1 tuổi, nam có 36 chiếm 92.3%, nữ có 3 chiểm 7.7%; Phân loại 39 ổ gãy: 11 ổ gãy loại II (28.2%), 24 ổ gãy loại III (61.5%), 4 ổ gãy loại IV (10.3%); Sau mổ thấy góc Boehler được phục hồi (250 - 450) ở 28 bàn chân chiếm 71.8%. Kết luận: Gãy lún xương gót là một trong những tổn thương nặng thường gặp ở tuổi lao động. Việc điều trị nếu không hoàn thiện sẽ để lại nhiều di chứng, ảnh hưởng đến chất lượng cuộc sống và khả năng lao động sau này của bệnh nhân và cũng là gánh nặng chi phí của xã hội.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».