Prediction of Massive Blood Loss in Scoliosis Surgery From Preoperative Variables
Notice bibliographique
Résumé
STUDY DESIGN: A retrospective cohort study. OBJECTIVE: To identify predictors of massive blood loss after scoliosis surgery. SUMMARY OF BACKGROUND DATA: Scoliosis surgery may be associated with considerable blood loss. Many blood conservation techniques have been used to reduce the allogeneic transfusion. An ability to identify patients with high risk of massive blood loss preoperatively may be helpful for appropriate use of these techniques. METHODS: Data of patients undergoing scoliosis surgery between June 1, 2011, and October 31, 2011, were collected. Preoperative information and total blood loss, which was calculated as the sum of intraoperative and postoperative estimated blood loss, were recorded. Patients were divided into 2 groups, retrospectively: group A (n = 95) with the total blood loss more than 30% of estimated blood volume and group B (n = 64) with the total blood loss of 30% of estimated blood volume or less. Preoperative data were compared between the groups. Significant variables were selected for a forward stepwise binary logistic regression analysis to determine the independent risk factors of massive blood loss. RESULTS: More than half of the patients (59.7%) undergoing scoliosis surgery had massive blood loss. Patients in group A were shorter (P = 0.01) and had larger preoperative Cobb angle (P < 0.01), more levels fused (P < 0.01), and more osteotomies (P < 0.01) than those in group B. Preoperative Cobb angle more than 50º (P = 0.017, odds ratio = 2.47, 95% confidence interval: 1.17-5.20), the number of fused levels more than 6 (P = 0.014, odds ratio = 3.70, 95% confidence interval: 1.31-10.49), and osteotomy (P = 0.000, odds ratio = 4.64, 95% confidence interval: 1.97-10.94) were determined to be the independent risk factors of massive blood loss in scoliosis surgery. CONCLUSION: Risk of massive blood loss (total blood loss > 30% of estimated blood volume) in patients with scoliosis could increase, if they (1) had preoperative Cobb angle larger than 50º or (2) planned to undergo osteotomy or fusion of more than 6 levels.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».