The Thoracolumbar AOSpine Injury Score
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Study Design Survey of 100 worldwide spine surgeons. Objective To develop a spine injury score for the AOSpine Thoracolumbar Spine Injury Classification System. Methods Each respondent was asked to numerically grade the severity of each variable of the AOSpine Thoracolumbar Spine Injury Classification System. Using the results, as well as limited input from the AOSpine Trauma Knowledge Forum, the Thoracolumbar AOSpine Injury Score was developed. Results Beginning with 1 point for A1, groups A, B, and C were consecutively awarded an additional point (A1, 1 point; A2, 2 points; A3, 3 points); however, because of a significant increase in the severity between A3 and A4 and because the severity of A4 and B1 was similar, both A4 and B1 were awarded 5 points. An uneven stepwise increase in severity moving from N0 to N4, with a substantial increase in severity between N2 (nerve root injury with radicular symptoms) and N3 (incomplete spinal cord injury) injuries, was identified. Hence, each grade of neurologic injury was progressively given an additional point starting with 0 points for N0, and the substantial difference in severity between N2 and N3 injuries was recognized by elevating N3 to 4 points. Finally, 1 point was awarded to the M1 modifier (indeterminate posterolateral ligamentous complex injury). Conclusion The Thoracolumbar AOSpine Injury Score is an easy-to-use, data-driven metric that will allow for the development of a surgical algorithm to accompany the AOSpine Thoracolumbar Spine Injury Classification System.
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.
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) | 0,000 | 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 découle