MétaCan
Menu
Retour à la cohorte
Enregistrement W2606754847 · doi:10.1177/2192568216688196

Perioperative Vision Loss in Cervical Spinal Surgery

2017· article· en· W2606754847 sur OpenAlexaff
Brandon Gabel, Arthur M. Lam, Jens R. Chapman, Rod J. Oskouian, Ahmad Nassr, Bradford L. Currier, Arjun S. Sebastian, Paul M. Arnold, Steven R. Hamilton, Michael G. Fehlings, Thomas E. Mroz, K. Daniel Riew

Notice bibliographique

RevueGlobal Spine Journal · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueIntraoperative Neuromonitoring and Anesthetic Effects
Établissements canadiensToronto Western Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicinePerioperativeSurgeryBlindnessComplicationMedical recordGeneral surgeryOptometry

Résumé

récupéré en direct d'OpenAlex

STUDY DESIGN: Retrospective multicenter case series. OBJECTIVE: To assess the rate of perioperative vision loss following cervical spinal surgery. METHODS: Medical records for 17 625 patients from 21 high-volume surgical centers from the AOSpine North America Clinical Research Network who received cervical spine surgery (levels from C2 to C7) between January 1, 2005, and December 31, 2011, inclusive, were reviewed to identify occurrences of vision loss following surgery. RESULTS: Of the 17 625 patients in the registry, there were 13 946 patients assessed for the complication of blindness. There were 9591 cases that involved only anterior surgical approaches; the remaining 4355 cases were posterior and/or circumferential fusions. There were no cases of blindness or vision loss in the postoperative period reported during the sampling period. CONCLUSIONS: Perioperative vision loss following cervical spinal surgery is exceedingly rare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,519

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,355
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Spine JournalMême sujetIntraoperative Neuromonitoring and Anesthetic EffectsTravaux en français237 207