How to Choose the Appropriate Posterior Slope Angle Can Lead to Good Knee Joint Function Recovery in Total Knee Arthroplasty?
Notice bibliographique
Résumé
Xi-Qing Pan, Jin-Hui Liu, Jiang-Li Zhang, An Chai, Feng Li, Lei Shu, Wei Zhao Department of Joint Surgery, Third Hospital of Shijiazhuang, Shijiazhuang, Hebei, People’s Republic of ChinaCorrespondence: Jin-Hui Liu, Department of Joint Surgery, Third Hospital of Shijiazhuang, No. 15 Tiyu South Street, Shijiazhuang, Hebei, 050011, People’s Republic of China, Tel +86 13191872146, Fax +86 31185990628, Email jinhuiauliu6@126.comObjective: In this study, we aim to examine the effects of osteotomy under varying posterior slope angles on knee joint function recovery following knee arthroplasty.Methods: We conducted a retrospective analysis from September 2015 to September 2018 on 240 patients who underwent knee arthroplasty three years previously. The study participants were categorized based on changes in the angle of the posterior slope before and after surgery: Group 1, > 5°; Group 2, 3°– 5°; Group 3, 0°– 3°; Group 4, − 3°– 0°; Group 5, < − 3°. All participants were affected with knee osteoarthritis. The Knee Society Clinical Rating System (KSS) knee function score, Western Ontario and McMaster Universities Arthritis Index (WOMAC) knee function score, Visual Analogue Scale (VAS) pain score, and postoperative complications were measured 3 years after surgery.Results: The level of pain experienced by the patients decreased significantly than before, with pain scores ranging from 1.0– 3.0, and there was a statistical difference between groups (H = 93.400, P
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».