Functional Outcomes of Proximal Femur Limb Salvage Surgery
Notice bibliographique
Résumé
Sarcoma cancer of the proximal femur is a bone tumor that develops near the hip joint. The most common method of treatment is limb salvage surgery (LLS), a highly invasive surgery that often leads to impaired movement including walking due to soft tissue resection. The current thesis focuses on 1) systematically reviewing current literature of functional outcomes after proximal femur LSS to determine if specific methods of muscle reattachment lead to better limb function, and 2) objectively analysing how reducing hip muscle strength impacts one’s ability to achieve healthy gait. Findings from the systematic review suggest using artificial mesh or ligaments for LLS may be a good alternative to allograft prosthesis composites and trochanter osteotomy, producing good functional outcomes with low rates of complications. It was also determined current literature is lacking objective quantitative analysis of patients’ limb function after surgery. Objective 2 was executed using instrumented gait analysis to record the gait kinematics, kinetics and EMG patterns of a patient who received LSS for proximal femur sarcoma. Data from the gait analysis was used to create a patient-specific musculoskeletal model. Healthy gait kinematics were applied to the model and specific hip muscle strengths were systematically reduced to simulate different surgical interventions. After an 85% reduction in gluteus medius and minimus muscle strength, healthy gait kinematics were not achieved. Reducing muscle strength of the gluteus medius and minimus together had a greater impact on the model’s ability to achieve healthy gait kinematics then when reduced individually. An understanding of how patient’s limb function is impacted after surgery can inform surgical technique, implant design and physiotherapy programs leading to better quality of life for patients after surgery.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».