Pedicle screw insertion in the thoracolumbar spine: comparison of 4 guidance techniques in the intact cadaveric spine
Notice bibliographique
Résumé
OBJECT: Pedicle screw fixation is a mainstay of thoracolumbar stabilization. Screw insertion using anatomical landmarks and fluoroscopy is common but can be technically challenging and generally involves substantial exposure to ionizing radiation. Computerized navigation has been reported to improve accuracy but is expensive and complex. The authors undertook this study to evaluate these 3 methods in comparison with a fourth technique using standard cervical distractor screws to mark the entry point and trajectory. METHODS: Four cadaveric human spines were used for this study. After an initial CT scan, 34 pedicle screws were inserted in each intact spine from T-1 to L-5 using the following 4 screw insertion guidance techniques (1 technique per specimen): use of anatomical landmarks, use of cervical distractor screws and spot fluoroscopy, fluoroscopy-based navigation, and fluoroscopy- and CT-based navigation (using merged imaging data). Postprocedural CT and anatomical dissection were then performed to evaluate screw position for site and degree of breach. RESULTS: The cervical distractor screw method had a breach rate of 5.9% versus 29.4%, 32.4%, and 20.6% for use of anatomical landmarks, fluoroscopic navigation, and fluoroscopic-CT navigation, respectively (p < 0.05). There is also a significant association between degree of medial and distal breach and the method of screw insertion (p < 0.05). CONCLUSIONS: Cervical distractor screws as pedicle markers offer favorable insertion accuracy and reduction of radiation exposure compared with the other 3 methods used in clinical practice.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».