The Value of CT and MRI in the Evaluation and Management of Patients with Thoracolumbar Spinal Injuries
Notice bibliographique
Résumé
Introduction Although imaging has a major role in evaluation and management of thoracolumbar spinal trauma, the exact role of CT and MRI in addition to radiographs for fracture classification and management is unclear. We conducted an online survey base study to evaluate the added value of computed tomography (CT) and magnetic resonance imaging (MRI) in classification, evaluation of stability and management of thoracolumbar injuries. Methods Spine surgeons ( n = 41) from around the world classified 30 thoracolumbar fractures. The cases were presented in a three step approach: first plain radiographs, followed by CT and MRI images. Surgeons were asked to classify according to the AO Spine Classification System, evaluate fracture stability and choose management. Results Surgeons correctly classified 43.4% of fractures with plain radiographs alone; after additionally evaluating CT and MRI images, this percentage increased by further 18.2% and 2.2% respectively. Instability was diagnosed in 68.5% cases with plain radiographs and this percentage increased to 79.3% after CT ( p < .0001) but did not increase significantly after MRI. AO Type A fractures were identified in 51.7% of fractures with radiographs while the number of type B fractures increased after CT and MRI. The number of type C fractures diagnosed was constant across the three steps. Agreement between radiographs and CT was fair for A-type (k=0.31), poor for B-type (k=0.19), but it was excellent between CT and MRI (k > 0.87). CT and MRI had similar sensitivity in identifying fracture sub types except that MRI had a higher sensitivity (56.5%) for B2 fractures ( p < 0.001). Conclusion For accurate classification, radiographs alone were insufficient except for C type injuries. CT is mandatory for accurately classifying thoracolumbar fractures. Though MRI did confer a modest gain in sensitivity in B2 injuries, the study does not support the need for routine MRI in patients without spinal cord injury for classification, assessing instability or need for surgery.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».