Risk Factors for Postoperative Subsidence of Single-Level Anterior Cervical Discectomy and Fusion
Notice bibliographique
Résumé
STUDY DESIGN: Retrospective cohort study. OBJECTIVE: To investigate and analyze the preoperative risk factors affecting subsidence after anterior cervical discectomy and fusion (ACDF) to reduce subsidence. SUMMARY OF BACKGROUND DATA: Subsidence after ACDF may be caused by various risk factors, although the related information is scarce. METHODS: Seventy-eight patients who underwent single-level ACDF between 2005 and 2011 were included. Patients were categorized into the subsidence (n = 26) and nonsubsidence groups (n = 52). Preoperative factors such as age, sex, operative level, bone mineral density, cervical alignment, segmental sagittal angle, and anterior/posterior disc height were assessed. The use of plates and the anterior/posterior disc height gap were examined as perioperative factors. The clinical outcome was assessed using a visual analogue scale for neck and arm pain. RESULTS: Subsidence occurred in 26 (33.3%) of 78 patients. A significant difference was found in clinical outcomes between the subsidence and nonsubsidence groups (P < 0.05). The fusion rate was 61.5% in the subsidence group. The mean time to subsidence was 4.8 months. Logistic regression analysis revealed that cervical alignment (P = 0.017), age (P = 0.022), and use of plates (P = 0.041) affected subsidence. In patients who received a stand-alone cage, the risk of subsidence was significantly greater in the kyphotic angle group than in the lordotic angle group (odds ratio = 13.56; P < 0.001). CONCLUSION: After ACDF, the main factors affecting subsidence are cervical alignment, age, and use of plates. Our data suggest that surgeons should consider the kyphotic curvature and/or age when deciding on the use of plates.
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 | 0,000 | 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 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 ».