MétaCan
Menu
Retour à la cohorte
Enregistrement W3035332943 · doi:10.1097/brs.0000000000003587

Preoperative Factors Predict Postoperative Trajectories of Pain and Disability Following Surgery for Degenerative Lumbar Spinal Stenosis

2020· article· en· W3035332943 sur OpenAlexaff
Jeffrey J. Hébert, Edward Abraham, Niels Wedderkopp, Erin Bigney, Eden Richardson, Mariah Darling, Hamilton Hall, Charles G. Fisher, Y. Raja Rampersaud, Kenneth Thomas, W. Bradley Jacobs, Michael G. Johnson, Jérôme Paquet, Najmedden Attabib, Peter Jarzem, Eugene K. Wai, Parham Rasoulinejad, Henry Ahn, Andrew Nataraj, Alexandra Stratton, Neil Manson

Notice bibliographique

RevueSpine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSpine and Intervertebral Disc Pathology
Établissements canadiensUniversity of Alberta HospitalUniversity of AlbertaUniversity of OttawaMcGill UniversityMcGill University Health CentreUniversité LavalUniversity of CalgaryUniversity of ManitobaAlberta Hospital EdmontonUniversity of British ColumbiaToronto Western HospitalUniversity of New BrunswickWomen and Children’s Health Research InstituteDalhousie UniversityUniversity of TorontoLondon Health Sciences CentreHorizon Health NetworkCanada East Spine Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineLumbarSpinal stenosisLumbar spinal stenosisSpinal surgeryDegenerative diseaseSurgeryStenosisAnesthesiaCentral nervous system diseaseRadiology

Résumé

récupéré en direct d'OpenAlex

STUDY DESIGN: Longitudinal analysis of prospectively collected data. OBJECTIVE: Investigate potential predictors of poor outcome following surgery for degenerative lumbar spinal stenosis (LSS). SUMMARY OF BACKGROUND DATA: LSS is the most common reason for an older person to undergo spinal surgery, yet little information is available to inform patient selection. METHODS: We recruited LSS surgical candidates from 13 orthopedic and neurological surgery centers. Potential outcome predictors included demographic, health, clinical, and surgery-related variables. Outcome measures were leg and back numeric pain rating scales and Oswestry disability index scores obtained before surgery and after 3, 12, and 24 postoperative months. We classified surgical outcomes based on trajectories of leg pain and a composite measure of overall outcome (leg pain, back pain, and disability). RESULTS: Data from 529 patients (mean [SD] age = 66.5 [9.1] yrs; 46% female) were included. In total, 36.1% and 27.6% of patients were classified as experiencing a poor leg pain outcome and overall outcome, respectively. For both outcomes, patients receiving compensation or with depression/depression risk were more likely, and patients participating in regular exercise were less likely to have poor outcomes. Lower health-related quality of life, previous spine surgery, and preoperative anticonvulsant medication use were associated with poor leg pain outcome. Patients with ASA scores more than two, greater preoperative disability, and longer pain duration or surgical waits were more likely to have a poor overall outcome. Patients who received preoperative chiropractic or physiotherapy treatment were less likely to report a poor overall outcome. Multivariable models demonstrated poor-to acceptable (leg pain) and excellent (overall outcome) discrimination. CONCLUSION: Approximately one in three patients with LSS experience a poor clinical outcome consistent with surgical non-response. Demographic, health, and clinical factors were more predictive of clinical outcome than surgery-related factors. These predictors may assist surgeons with patient selection and inform shared decision-making for patients with symptomatic LSS. LEVEL OF EVIDENCE: 2.

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)0,002
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 enseignants0,059
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,303
Écart entre enseignants0,256 · 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

Citations71
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpineMême sujetSpine and Intervertebral Disc PathologyTravaux en français237 207