Prone Positioning of Patients with Cervical Spine Pathology
Notice bibliographique
Résumé
Abstract Patients with cervical trauma or degenerative disease often require surgical decompression and stabilization in the prone position and are at the risk of secondary neurological injury during this transfer. This review aims to explore the current literature on different methods of positioning patients prone and to identify the safest technique to achieve prone positioning in patients with an unstable cervical spine undergoing posterior cervical spine surgery. We searched the Embase, Medline, and Medline-in Process databases for literature in English related to prone positioning patients with cervical spine pathology undergoing spine surgery. Seventy-three citations were identified as relevant and reviewed in detail with 20 articles being identified as answering the clinical questions posed. Our literature review identified three methods of prone positioning patients with cervical pathology: logroll with manual in-line stabilization (MILS), rotating the patient on a specialized spinal table using a “sandwich and flip” technique, and awake prone positioning. Each of these methods has its own advantages and disadvantages. When comparing the degree of neck movement between positioning techniques, “sandwich and flip” rotation was associated with over 50% reduction in both flexion–extension and axial–lateral rotation as compared to logroll with MILS. Awake self-positioning of a patient is another alternative that allows for rapid neurological assessment after repositioning. A “sandwich and flip” is the safest way to turn a patient with cervical pathology into a prone position for surgery. For cooperative patients, who are physically capable, awake self-positioning is a good alternative.
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 ».