The Subaxial Cervical AO Spine Injury Score
Notice bibliographique
Résumé
STUDY DESIGN: Global cross-sectional survey. OBJECTIVE: To develop an injury score for the AO Spine Subaxial Cervical Spine Injury Classification System. METHODS: Respondents numerically graded each variable within the classification system for severity. Based on the results, and with input from the AO Spine Trauma Knowledge Forum, the Subaxial Cervical AO Spine Injury Score was developed. RESULTS: An A0 injury was assigned an injury score of 0, A1 a score of 1, and A2 a score of 2. Given the significant increase in severity, A3 was given a score of 4. Based on equal severity assessment, A4 and B1 were both assigned a score of 5. B2 and B3 injuries were assigned a score of 6. Unstable C-type injuries were given a score of 7. Stable F1 injuries were assigned a score of 2, with a 2-point increase for F2 injuries. Likewise, F3 injuries received a score of 5, whereas more unstable F4 injuries a score of 7. Neurologic status severity rating scores increased stepwise, with scores of 0 for N0, 1 for N1, and 2 for N2. Consistent with the Thoracolumbar AO Spine Injury Score, N3 (incomplete) and N4 (complete) injuries were given a score of 4. Finally, case-specific modifiers M1 (PLC injury) received a score of 1, while M2 (critical disc herniation) and M3 (spine stiffening disease) received a score of 4. CONCLUSIONS: The Subaxial Cervical AO Spine Injury Score is an easy-to-use metric that can help develop a surgical algorithm to supplement the AO Spine Subaxial Cervical Spine Injury Classification System.
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 | 0,001 |
| 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 ».