Accuracy of Intraoperative Computed Tomography–Based Navigation for Placement of Percutaneous Pedicle Screws
Notice bibliographique
Résumé
MISS techniques have gained recent popularity. The proposed benefits of these techniques include reduced tissue trauma, reduced blood loss, less perioperative pain, and a quicker recovery and return to normal activities. The purpose of this study was to evaluate the accuracy of intraoperative computed tomography (CT)-based navigation for placement of percutaneous pedicle screws in a cadaveric model. Outcome measures included accuracy of screw placement. Two cadaveric specimens were utilized. CT images were obtained using an O-Arm (Medtronic, Memphis, Tennessee, United States) and were coupled to the Stealth navigation system (Medtronic). Computer navigation was used for placement of percutaneous pedicle screws. Screws were placed bilaterally from T5 to S1. Postinsertion CT scans were obtained. Pedicle breach was assessed and classified (I: none, II: < 2 mm, III: 2 to 4 mm, or IV: > 4 mm) with direction of breach. Thirty thoracic screws were placed with 3 (10%) medial breaches and 17 (56.7%) lateral breaches (grade III). Of 20 lumbar screws there were 0 medial breaches and 2 (10%) lateral breaches (1 grade III, 1 grade IV). Four sacral screws were placed without breaches. The real-time computer-aided navigation tool ("simulated screw") was limited in identifying a breach. Manipulation of the surgeon's hand or driver could change the orientation of the navigation tool without changing the screw trajectory. CT-based navigation for percutaneous pedicle screw placement appears safe for the lumbar spine. Lateral thoracic breaches appeared commonly but were not felt to be clinically significant. The 10% rate of medial thoracic breach was concerning, but definitive conclusions could not be made due to the small sample size.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».