Trends in Epidemiology and Management of Type II Odontoid Fractures
Notice bibliographique
Résumé
STUDY DESIGN: A retrospective cohort study of consecutive type II Odontoid fractures presenting to a Level 1 Regional Model Systems Spinal Cord Injury Center between June 1985 and July 2006. OBJECTIVE: To assess trends in management of type II Odontoid fractures presenting to a Level 1 Model Systems Regional Spinal Cord Injury Center over a 20-year period. SUMMARY OF BACKGROUND DATA: Type II Odontoid fracture management is controversial, and a majority of studies have had relatively small cohorts. There is no consensus regarding definitive treatment, particularly in older patients. METHODS: Medical records of 263 consecutive type II Odontoid fractures from June 1985 to July 2006 were retrospectively reviewed. Patients were excluded if they had neurologic deficits, nonacute fracture, or ambiguous fracture classification. A cohort of 192 neurologically intact, acute type II odontoid fractures were identified. Admission records were reviewed for age, date of injury, date of admission, date of discharge, mechanism of injury, associated injuries, medical comorbidities, and radiologic findings. RESULTS: There was a statistically significant increase in the rate of presentation of type II odontoid fractures with time. The average age and medical comorbidities of the patient did not change over time. The probability of operative management markedly increased over time, corresponding to a statistically significant increase in length of hospital stay for patients undergoing surgery. The discharge disposition correlated significantly to both age of the patient and associated injuries. CONCLUSIONS: The number and frequency of type II odontoid fractures compared with other spine injuries seems to be increasing over the last 2 decades, which may be correlated with the increasing number of elderly persons in the population, given that referral patterns have been unchanged at our institution. Prospective outcomes data are needed to better elucidate optimal treatment algorithms from both, an outcomes and cost-efficacy perspective.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».