Predicting Outcomes After Surgical Decompression for Mild Degenerative Cervical Myelopathy: Moving Beyond the mJOA to Identify Surgical Candidates
Notice bibliographique
Résumé
BACKGROUND: Patients with mild degenerative cervical myelopathy (DCM) represent a heterogeneous population, and indications for surgical decompression remain controversial. OBJECTIVE: To dissociate patient phenotypes within the broader population of mild DCM associated with degree of impairment in baseline quality of life (QOL) and surgical outcomes. METHODS: This was a post hoc analysis of patients with mild DCM (modified Japanese Orthopedic Association [mJOA] 15-17) enrolled in the AOSpine CSM-NA/CSM-I studies. A k-means clustering algorithm was applied to baseline QOL (Short Form-36 [SF-36]) scores to separate patients into 2 clusters. Baseline variables and surgical outcomes (change in SF-36 scores at 1 yr) were compared between clusters. A k-nearest neighbors (kNN) algorithm was used to evaluate the ability to classify patients into the 2 clusters by significant baseline clinical variables. RESULTS: One hundred eighty-five patients were eligible. Two groups were generated by k-means clustering. Cluster 1 had a greater proportion of females (44% vs 28%, P = .029) and symptoms of neck pain (32% vs 11%, P = .001), gait difficulty (57% vs 40%, P = .025), or weakness (75% vs 59%, P = .041). Although baseline mJOA correlated with neither baseline QOL nor outcomes, cluster 1 was associated with significantly greater improvement in disability (P = .003) and QOL (P < .001) scores following surgery. A kNN algorithm could predict cluster classification with 71% accuracy by neck pain, motor symptoms, and gender alone. CONCLUSION: We have dissociated a distinct patient phenotype of mild DCM, characterized by neck pain, motor symptoms, and female gender associated with greater impairment in QOL and greater response to 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».