Fighting for Each Segment: Estimating the Clinical Value of Cervical and Thoracic Segments in SCI
Notice bibliographique
Résumé
Patients suffering from complete spinal cord injury (SCI) are the most likely candidates for the application of new interventions for neural repair and regeneration. It is assumed that some of these treatments will have their strongest impact at the segmental level. Therefore, it is important to evaluate the clinical relevance of potential changes at the segmental levels concerning both improvement and deterioration. Data of 98 motor complete SCI patients were derived from the European Multicenter Study of Human Spinal Cord Injury database. Six months after injury, the ASIA motor score and Spinal Cord Independence Measure (SCIM) were assessed as dependent variables (linear regression analysis) to disclose the difference between each segment. Separate analyses using linear regression for tetraplegic patients (n = 39) and paraplegic patients with thoracic lesions (n = 54) were performed to calculate the difference between each spinal segment. In tetraplegic patients, both the ASIA motor score and the SCIM revealed relevant differences per spinal segment (9 and 4 points, respectively) while in paraplegic patients there was no difference for the SCIM and the ASIA motor score between T2 and T8. We suggest that in complete tetraplegic patients, changes of even one spinal segment will either improve or degrade both motor function and independence. Segmental changes at the thoracic level are not assessable by the ASIA motor score and SCIM tests. Therefore, the assessment of efficacy and safety in thoracic patients by these two tests has limited value when applied to cervical SCI. These findings may be considered in clinical trials for the evaluation of beneficial effects and risk management when treating patients with spinal cord injury.
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) | 0,000 | 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 | 0,001 |
| 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 ».