Management of Persistent Cerebrospinal Fluid Leakage Following Thoraco-lumbar Surgery
Notice bibliographique
Résumé
STUDY DESIGN: This was a retrospective study of patients who had developed a dural tear after thoracic and lumbar spine surgery that was not recognized during the surgery, and was treated either by lumbar drainage or over-sewing of the wounds. PURPOSE: To revisit the treatment strategies in postoperative dural leaks and present our experience with over-sewing of the wound and lumbar drainage. OVERVIEW OF LITERATURE: Unintended durotomy is a frequent complication of spinal surgery. Management of subsequent cerebrospinal fluid leakage remains controversial. There is no distinct treatment guideline according to the etiology in the current literature. METHODS: The records of 368 consecutive patients who underwent thoracic and/or lumbar spine surgery from 2006 throug h 2010 were retrospectively reviewed. Seven cerebrospinal fluid fistulas and five pseudomeningoceles were noted in 12 (3.2%) procedures. Cerebrospinal fluid diversion by lumbar drainage in five pseudomeningoceles and over-sewing of wounds in seven cerebrospinal fluid fistulas employed in 12 patients. Clinical grading was evaluated by Wang. RESULTS: Of the 12 patients who had a dural tear, 5 were managed successfully with lumbar drainage, and 7 with oversewing of the wound. The clinical outcomes were excellent in 9 patients, good in 2, and poor in 1. Complications such as neurological deficits, or superficial or deep wound infections did not develop. A recurrence of the fistula or pseudomeningocele after the treatment was not seen in any of our patients. CONCLUSIONS: Pseudomeningoceles respond well to lumbar drainage, whereas over-sewing of the wound is an alternative treatment option in cerebrospinal fluid fistulas without neurological compromise.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».