https://www.tyo.mx/ortopedia/guia-multidisciplinaria-holandesa-sobre-el-dolor-anterior-de-rodilla-dolor-patelofemoral-y-tendinopatia-rotuliana/

Guía multidisciplinaria holandesa sobre el dolor anterior de rodilla: dolor patelofemoral y tendinopatía rotuliana

febrero 4, 2025 por admin

Objetivo
El objetivo de este estudio fue desarrollar una guía multidisciplinaria para el dolor patelofemoral (PFP) y la tendinopatía rotuliana (TP) para facilitar la toma de decisiones clínicas en atención primaria y secundaria.

Knee Surgery, Sports Traumatology, Arthroscopy
@KSSTA
Esta guía de tratamiento para el dolor patelofemoral y la tendinopatía rotuliana fue desarrollada no solo por cirujanos ortopedistas, sino también por varias otras disciplinas.
#rodilla #patelofemoral #dolor #guías #KSSTA #knee #patellofemoral #pain #guidelines

Dutch multidisciplinary guideline on anterior knee pain: Patellofemoral pain and patellar tendinopathy – Ophey – Knee Surgery, Sports Traumatology, Arthroscopy – Wiley Online Library

CONCLUSIONES
Esta guía recomienda comenzar con terapia de ejercicios para el PFP y la TP. Los tratamientos conservadores adicionales solo están indicados en ausencia de cambios clínicamente relevantes y los analgésicos deben reservarse para pacientes con dolor intenso. El valor adicional de las evaluaciones por imágenes para la TP es limitado. La cirugía abierta puede desempeñar un papel en casos muy específicos. Las recomendaciones de esta guía facilitan la toma de decisiones clínicas para los proveedores de atención médica tanto en atención primaria como secundaria y, por lo tanto, optimizan el tratamiento y previenen cargas, riesgos y costos innecesarios para los pacientes y la sociedad.

INTRODUCCIÓN
El dolor anterior de rodilla es una de las presentaciones más comunes del dolor de rodilla que afecta a adolescentes y adultos, en particular en poblaciones físicamente activas [39, 47]. En 2010, la Asociación Holandesa de Medicina Deportiva publicó una guía monodisciplinaria para el dolor patelofemoral (PFP) [7]. Desde entonces, el progreso en la literatura científica (p. ej., declaraciones de consenso y otras guías monodisciplinarias) [10, 56] ha llevado a una mayor conciencia de la necesidad de un enfoque multidisciplinario integral con la participación de fisioterapeutas, podólogos y cirujanos ortopédicos. Además, la guía anterior se centraba solo en el PFP; la tendinopatía rotuliana (TP) no estaba cubierta.

Aunque la PFP y la TP parecen tener un pronóstico desfavorable a largo plazo [26, 27, 31], no existen guías multidisciplinarias basadas en evidencia. En la práctica clínica, se debe informar a los pacientes sobre el tratamiento óptimo y los plazos. Además de la evidencia científica, es importante incluir en las guías de tratamiento las expectativas y los valores de los pacientes. Por lo tanto, es necesario un enfoque clínico para tratar el dolor anterior de rodilla basado en la evidencia y la información del paciente.

Este estudio tuvo como objetivo desarrollar una guía multidisciplinaria basada en evidencia para facilitar la toma de decisiones clínicas, el diagnóstico y el tratamiento de la PFP y la TP para los proveedores de atención médica involucrados en el tratamiento de estos pacientes y que trabajan en atención primaria y secundaria.

Dutch multidisciplinary guideline on anterior knee pain: Patellofemoral pain and patellar tendinopathy – PubMed

Dutch multidisciplinary guideline on anterior knee pain: Patellofemoral pain and patellar tendinopathy – Ophey – Knee Surgery, Sports Traumatology, Arthroscopy – Wiley Online Library

Ophey M, Koëter S, van Ooijen L, van Ark M, Boots F, Ilbrink S, Lankhorst NA, Piscaer T, Vestering M, den Ouden Vierwind M, van Linschoten R, van Berkel S. Dutch multidisciplinary guideline on anterior knee pain: Patellofemoral pain and patellar tendinopathy. Knee Surg Sports Traumatol Arthrosc. 2024 Jul 24. doi: 10.1002/ksa.12367. Epub ahead of print. PMID: 39045713.

© 2024 The Author(s). Knee Surgery, Sports Traumatology, Arthroscopy published by John Wiley & Sons Ltd on behalf of European Society of Sports Traumatology, Knee Surgery and Arthroscopy.

 

This is an open access article under the terms of the Creative Commons Attribution License, which permits use, distribution and reproduction in any medium, provided the original work is properly cited.

 https://www.ortopediaoncologicamexico.mx/academia/aprendizaje-profundo-para-la-diferenciacion-del-osteosarcoma-osteolitico-y-el-tumor-de-celulas-gigantes-alrededor-de-la-articulacion-de-la-rodilla-en-radiografias-un-estudio-multicentrico/

Aprendizaje profundo para la diferenciación del osteosarcoma osteolítico y el tumor de células gigantes alrededor de la articulación de la rodilla en radiografías: un estudio multicéntrico

marzo 7, 2024 por admin

Los tumores óseos son un grupo de lesiones neoplásicas primarias o secundarias del hueso con diversos tipos patológicos y comportamientos biológicos [1]. Según la quinta edición de la clasificación de tumores óseos de la Organización Mundial de la Salud (OMS) publicada en 2020, los tumores óseos se clasifican en benignos, intermedios o malignos [2]. Los tumores óseos primarios de las extremidades se encuentran comúnmente en los huesos alrededor de la articulación de la rodilla [3-5], y los tipos más comunes incluyen osteocondroma, osteosarcoma (OS) y tumor de células gigantes (TCG) del hueso [6-8]. La manifestación imagenológica del osteocondroma es un tumor óseo benigno que crece fuera del hueso, con características diagnósticas que incluyen la cobertura de una capa de cartílago, por lo que no es difícil hacer un diagnóstico correcto según las imágenes médicas [9, 10]. Tanto la OS como el TCG de hueso muestran una fuerte agresividad local en las imágenes [7, 8], pero se clasifican como tumores óseos malignos y tumores óseos intermedios según la clasificación de tumores óseos de la OMS, y sus planes de tratamiento clínico y pronóstico son sustancialmente diferentes. Por lo tanto, es necesario obtener un diagnóstico diferencial preciso entre OS y TCG antes del tratamiento clínico [1, 7, 8].

La radiografía digital es ampliamente reconocida como el método de imagen primario para diagnosticar lesiones óseas y se utiliza ampliamente en la práctica clínica [11]. Las radiografías pueden mostrar la imagen general de los tumores óseos en su conjunto y reflejar sus comportamientos biológicos, proporcionando información diagnóstica y de diagnóstico diferencial [12]. La formación de hueso tumoral en las radiografías es un rasgo característico en el diagnóstico de OS [11]. La OS se puede clasificar en subtipos osteolítico, osteoblástico y mixto según la cantidad osteogénica dentro de la OS en las radiografías [13]. Sin embargo, distinguir la OS osteolítica del TCG se vuelve más difícil cuando no hay formación de hueso tumoral, especialmente para los radiólogos novatos, ya que ambos exhiben una destrucción ósea agresiva y localizada [14]. La edad del paciente tiene valor diagnóstico para distinguir entre los dos tipos de tumores, pero edades similares entre pacientes con estos dos tumores diferentes pueden confundir el juicio del radiólogo [11]. Por lo tanto, construimos un modelo clínico para investigar el papel de las variables clínicas.

Como tecnología emergente de aprendizaje automático, el aprendizaje profundo (DL) se ha aplicado ampliamente al análisis de imágenes médicas de tumores óseos [15-17], que puede distinguir tumores óseos benignos y malignos [11, 12, 14, 18-21]. Un estudio reciente ha destacado el potencial de la DL para clasificar eficazmente las radiografías sanas y patológicas en niños [22]. Sin embargo, estudios previos se han centrado principalmente en la clasificación benigna y maligna de varios tumores óseos en diferentes sitios del cuerpo [15, 18, 21], en lugar de abordar específicamente el diagnóstico diferencial de OS osteolítico y TCG alrededor de la articulación de la rodilla. Hasta donde sabemos, no se han informado estudios que utilicen DL para este propósito específico.

El propósito de este estudio fue desarrollar un modelo DL para el diagnóstico diferencial de OS osteolítico y TCG de hueso en radiografías de rodilla y comparar su rendimiento diagnóstico con el de radiólogos con y sin asistencia del modelo.

Desarrollar un modelo de aprendizaje profundo (DL) para diferenciar entre osteosarcoma osteolítico (OS) y tumor de células gigantes (TCG) en radiografías.

Conclusión
El modelo DL distinguió con precisión la OS osteolítica y el TCG con un mejor rendimiento que el de los radiólogos jóvenes, cuyos propios resultados de diagnóstico mejoraron significativamente con la ayuda del modelo, lo que indica el potencial para el diagnóstico diferencial de los dos tumores óseos en las radiografías.

Declaración de relevancia crítica
El modelo de aprendizaje profundo puede distinguir con precisión el osteosarcoma osteolítico y el tumor de células gigantes en las radiografías, lo que puede ayudar a los radiólogos a mejorar la precisión del diagnóstico de dos tipos de tumores.

Puntos clave

• El modelo DL muestra un rendimiento sólido para distinguir el osteosarcoma osteolítico y el tumor de células gigantes.
• El rendimiento del diagnóstico del modelo DL es mejor que el de los radiólogos jóvenes.
• El modelo DL muestra potencial para diferenciar el osteosarcoma osteolítico y el tumor de células gigantes.

Deep learning for differentiation of osteolytic osteosarcoma and giant cell tumor around the knee joint on radiographs: a multicenter study – PubMed (nih.gov)

Deep learning for differentiation of osteolytic osteosarcoma and giant cell tumor around the knee joint on radiographs: a multicenter study – PMC (nih.gov)

Deep learning for differentiation of osteolytic osteosarcoma and giant cell tumor around the knee joint on radiographs: a multicenter study | Insights into Imaging | Full Text (springeropen.com)

Shao J, Lin H, Ding L, Li B, Xu D, Sun Y, Guan T, Dai H, Liu R, Deng D, Huang B, Feng S, Diao X, Gao Z. Deep learning for differentiation of osteolytic osteosarcoma and giant cell tumor around the knee joint on radiographs: a multicenter study. Insights Imaging. 2024 Feb 7;15(1):35. doi: 10.1186/s13244-024-01610-1. PMID: 38321327; PMCID: PMC10847082.

Copyright © The Author(s) 2024

Open Access This article is licensed under a Creative Commons Attribution 4.0 International License, which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons licence, and indicate if changes were made. The images or other third party material in this article are included in the article’s Creative Commons licence, unless indicated otherwise in a credit line to the material. If material is not included in the article’s Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder. To view a copy of this licence, visit http://creativecommons.org/licenses/by/4.0/.