画像なしロボット総膝関節形成術により、長い脚のX線写真に対する膝（CPAK）パラメーターの同様の冠状面アライメントが決定されます

背景：膝（CPAK）分類の冠状面アライメントは、最初に長脚のX線写真（LLR）を使用して開発され、その後、画像ベースのロボット総膝関節形成術（TKA）システムを使用して報告されています。ただし、画像のないロボット工学とLLR由来のCPAKパラメーターの対応はまだ調査されていません。したがって、この研究では、一般的または最適化された軟骨摩耗の仮定を使用して、LLRおよび画像なしロボットナビゲーションで決定されたCPAKパラメーターの違いを調べました。 方法：一般的な2 mm文献ベースの摩耗仮定（Navlit）または最適化された摩耗仮定（Navoptttt（Navopttt）のいずれかを使用して、61のイメージレスロボットTKAの術中登録データから、内側近位脛骨角（MPTA）および外側遠位大腿骨角（LDFA）を決定しました）エラー最小化アルゴリズムを使用して見つかりました。MPTAおよびLDFAは、2人のオブザーバーによって術前LLRから測定され、クラス内相関係数（ICC）が計算されました。MPTA、LDFA、ジョイントライン斜め（JLO）、および算術股関節膝角角（AHKA）を、2人のオブザーバーに比べてロボット測定と平均LLR測定値の間で比較しました。 結果：LLRのオブザーバー間のICCは、MPTA、LDFA、JLO、およびAHKAの0.95を超えており、優れた一致を示しています。平均CPAKの違いは、LLRとNavlit（0.6°、P> 0.1以内のすべての差）またはNavOPT（すべて0.1°以内、P> 0.83以内）の間で有意ではありませんでした。LLRとNavlitの間の平均絶対誤差（MAE）は、LDFA = 1.4°、MPTA = 2.0°、JLO = 2.1°、およびAHKA = 2.7°でした。LLRと比較して、ジェネリックウェアは88％に分類され、最適化された摩耗は1つのCPAKグループ内の膝の94％に分類されました。Bland-Altmanの比較は、LLR対NavlitおよびNavoptの良好な一致を報告し、それぞれすべてのCPAKパラメーターにわたって合意の制限内で測定値の> 95％と> 91.8％を> 91.8％で報告しました。 結論：画像のないロボットナビゲーションデータを使用して、LLRによく一致してTKAを受けている関節炎膝のCPAKパラメーターを計算できます。ジェネリック摩耗の仮定は、MPTAとLDFAを2°以内にMAEで決定し、摩耗の仮定を最適化することで無視できる改善が示されました。

BACKGROUND: The coronal plane alignment of the knee (CPAK) classification was first developed using long leg radiographs (LLR) and has since been reported using image-based and imageless robotic total knee arthroplasty (TKA) systems. However, the correspondence between imageless robotics and LLR-derived CPAK parameters has yet to be investigated. This study therefore examined the differences in CPAK parameters determined with LLR and imageless robotic navigation using either generic or optimized cartilage wear assumptions. METHODS: Medial proximal tibial angle (MPTA) and lateral distal femoral angle (LDFA) were determined from the intraoperative registration data of 61 imageless robotic TKAs using either a generic 2 mm literature-based wear assumption (Navlit) or an optimized wear assumption (Navopt) found using an error minimization algorithm. MPTA and LDFA were also measured from preoperative LLR by two observers and intraclass correlation coefficients (ICCs) were calculated. MPTA, LDFA, joint line obliquity (JLO), and arithmetic hip-knee-ankle angle (aHKA) were compared between the robotic and the average LLR measurements over the two observers. RESULTS: ICCs between observers for LLR were over 0.95 for MPTA, LDFA, JLO, and aHKA, indicating excellent agreement. Mean CPAK differences were not significant between LLR and Navlit (all differences within 0.6°, P > 0.1) or Navopt (all within 0.1°, P > 0.83). Mean absolute errors (MAE) between LLR and Navlit were: LDFA = 1.4°, MPTA = 2.0°, JLO = 2.1°, and aHKA = 2.7°. Compared to LLR, the generic wear classified 88% and the optimized wear classified 94% of knees within one CPAK group. Bland-Altman comparisons reported good agreement for LLR vs. Navlit and Navopt, with > 95% and > 91.8% of measurements within the limits of agreement across all CPAK parameters, respectively. CONCLUSIONS: Imageless robotic navigation data can be used to calculate CPAK parameters for arthritic knees undergoing TKA with good agreement to LLR. Generic wear assumptions determined MPTA and LDFA with MAE within 2° and optimizing wear assumptions showed negligible improvement.