Prediction of spinal deformity in scoliosis from geometric torsion
Notice bibliographique
Résumé
The shape of a curved line that passes through thoracic and lumbar vertebrae is often used to study spinal deformity with measurements in "auxiliary" planes that are not truly three-dimensional (3D). Here we propose a new index, the geometric torsion, which could uniquely describe the spinal deformity. In this study we assessed whether geometric torsion could be effectively used. to predict spinal deformity with the aid of multiple linear regression. Anatomical landmarks were obtained from multi-view radiographic reconstruction and used to generate 3D model of the spine and rib cage of 28 patients. Fourier series best fitted to the vertebral centroids approximated the spinal shape. For each patient, spinal deformity indices were computed. Torsion was calculated and 20 derived parameters were recorded. Torsion inputs were used in a multiple linear regression model for prediction of key spinal indices. The primary clinical Cobb angle (mainly thoracic) was predicted well, with r=0.89 using all 20 inputs of torsion or r=0.83 using just two. Torsion was also well related to the orientation of plane of maximal deformity (r=0.87). Torsion was less accurate but still significant in predicting maximal vertebral axial rotation (r=0.77). This preliminary study showed promising results for the use of geometric torsion as an alternative 3D index of spinal deformity.
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 | 0,001 | 0,001 |
| 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 ».