3D Patellar instability Anatomical Severity Score (3D-PASS): A Novel Machine Learning Score Using 3D Bone Position From MRI to Predict Outcomes of Patellar Instability Treatment (Using a Subset of Data in the JUPITER Cohort)
Notice bibliographique
Résumé
Background: Patellar instability treatment outcomes vary. Early prediction of patient responses to treatment is needed to personalize interventions, reduce recurrent instability, and improve outcomes. Existing scores that predict outcomes rely on 2-dimensional (2D) imaging measures that do not fully capture 3-dimensional (3D) anatomical data. Purpose/Hypothesis: We aimed to develop a 3D medical imaging-based anatomical score of patellar instability severity. It was hypothesized that our 3D score would demonstrate stronger associations with instability history and posttreatment patient-reported outcomes (PROs) than a 2D imaging score. Study Design: Cohort study (diagnosis); Level of evidence, 2. Methods: Pretreatment magnetic resonance images from 26 control patients and 244 patients with first-time and recurrent patellar instability were retrospectively analyzed from 2 sites associated with the prospective JUPITER (Justifying Patellar Instability Treatment by Results) study group. Using statistically derived 3D features that reflect relative bone positions and bone shape, as well as 2D imaging measures, we developed several preliminary anatomical severity scores. We tested these scores based on the ability to distinguish first-time from recurrent instability patients. Then, we assessed correlations between these scores and baseline and 1-year posttreatment PROs, using the Kujala Anterior Knee Pain Scale (Kujala) and Banff Patellar Instability Instrument 2.0 (BPII 2.0). A final score-the 3D Patellar instability Anatomical Severity Score (3D-PASS)-was created to best correlate with PROs. Results: = -0.25). 3D relative bone positions were more informative than 2D imaging measures and 3D bone shape, neither of which correlated with outcomes. Conclusion: A higher 3D-PASS is associated with instability history and worse outcomes across all patients (first-time and recurrent) treated nonoperatively or operatively. While 3D relative bone positions correlated with outcomes, 3D bone shapes did not.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».