Manejo de fracturas periprotésicas en pacientes con artroplastia total de cadera: Una revisión bibliográfica de la literatura
Bibliographic record
Abstract
Las fracturas femorales periprotésicas (FPPF) constituyen una complicación creciente y grave de la Artroplastia Total de Cadera (ATC), especialmente en la población anciana con comorbilidades complejas. El manejo quirúrgico de estas lesiones representa un desafío técnico significativo, asociado con tasas elevadas de morbilidad y mortalidad. La selección del tratamiento óptimo (Osteosíntesis de Reducción Abierta y Fijación Interna versus Artroplastia de Revisión) depende críticamente de la estabilidad del implante original. Se presenta una revisión bibliográfica estructurada de la literatura científica, analizando publicaciones clave entre 2015 y mayo de 2025, enfocada en la epidemiología, la clasificación de Vancouver y los resultados comparativos de las estrategias terapéuticas para las FPPF post-ATC. La clasificación de Vancouver, determinada por la localización de la fractura y el estado de la fijación protésica, es el predictor fundamental del manejo. Las fracturas tipo B de Vancouver son las más comunes. La evidencia comparativa reciente para las fracturas tipo B sugiere que la cirugía de revisión (RA) se asocia con tasas de reoperación significativamente más altas (15.3% a los dos años) en comparación con ORIF (7.2%), especialmente en los subtipos B1. La luxación es la principal causa de reoperación tras la RA.3 Además, ORIF se correlaciona con una menor morbilidad aguda, incluyendo una reducción en los requerimientos de transfusión sanguínea (ARR del 14.07%) y una menor estancia hospitalaria (reducción promedio de 2.45 días), en comparación con RA. El algoritmo terapéutico debe ser guiado por la estabilidad del vástago femoral. Para tallos estables (Vancouver B1), ORIF es la técnica preferida, ya que ofrece resultados duraderos con una menor carga fisiológica para el paciente. Para tallos inestables (Vancouver B2 y B3), la Artroplastia de Revisión es obligatoria, aunque se debe reconocer y mitigar el mayor riesgo de inestabilidad y las mayores demandas metabólicas del procedimiento. El manejo multidisciplinario y la estratificación individualizada del riesgo son cruciales para optimizar los resultados en esta población vulnerable.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.022 | 0.021 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".