Prevention, identification, and treatment of perioperative spinal cord injury
Notice bibliographique
Résumé
OBJECT: In this report, the authors suggest evidence-based approaches to minimize the chance of perioperative spinal cord injury (POSCI) and optimize outcome in the event of a POSCI. METHODS: A systematic review of the basic science and clinical literature is presented. RESULTS: Authors of clinical studies have assessed intraoperative monitoring to minimize the chance of POSCI. Furthermore, preoperative factors and intraoperative issues that place patients at increased risk of POSCI have been identified, including developmental stenosis, ankylosing spondylitis, preexisting myelopathy, and severe deformity with spinal cord compromise. However, no studies have assessed methods to optimize outcomes specifically after POSCIs. There are a number of studies focussed on the pathophysiology of SCI and the minimization of secondary damage. These basic science and clinical studies are reviewed, and treatment options outlined in this article. CONCLUSIONS: There are a number of treatment options, including maintenance of mean arterial blood pressure > 80 mm Hg, starting methylprednisolone treatment preoperatively, and multimodality monitoring to help prevent POSCI occurrence, minimize secondary damage, and potentially improve the clinical outcome of after a POSCI. Further prospective cohort studies are needed to delineate incidence rate, current practice patterns for preventing injury and minimizing the clinical consequences of POSCI, factors that may increase the risk of POSCI, and determinants of clinical outcome in the event of a POSCI.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 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) | 0,002 | 0,001 |
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 ».