Shoulder Arthroplasty in Patients with Inflammatory Arthritis: Preoperative and Perioperative Management of Disease Modifying Anti-Rheumatic Drug Therapy
Notice bibliographique
Résumé
Introduction Inflammatory arthritis is a debilitating systemic autoimmune and inflammatory disease that leads to joint damage, resulting in significant pain and disability. Rheumatoid arthritis (RA) is the most common inflammatory arthritis typically associated with advanced arthritic changes of the glenohumeral joint as well as with rotator cuff tears.20 Since the introduction of disease modifying anti-rheumatic drug (DMARD) therapy, patients diagnosed with inflammatory rheumatic diseases have observed improvements in pain management and functional outcomes, alongside a reduction in the occurrence of upper limb arthroplasties.16 Nonetheless, total joint arthroplasty still remains common in the treatment of RA.8,14 One recognized challenge in shoulder arthroplasty in the context of inflammatory arthritis is the perioperative management of anti-inflammatory medications. Approximately 75-84% of patients undergoing arthroplasty take traditional DMARDs or biologics.14 Management of these medications currently varies across rheumatology organizations. For instance, the American College of Rheumatology recommends withholding tumor necrosis factor (TNF)-α inhibitors for more than a week prior to surgery, British Society recommends withholding for 3-5 times the half-life of the drug, and Canadian Rheumatology Association propose withholding for 2 half-lives of the drug.14,22,31 Understanding the appropriate timing for discontinuing or continuing these medications is a critical element of perioperative management in shoulder arthroplasty, as it involves balancing the potential risks of post-operative disease flares with concerns for poor wound healing and infection.
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) | 0,000 | 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 ».