Improving Assessment of Disease Severity and Strategies for Monitoring Progression in Degenerative Cervical Myelopathy [AO Spine RECODE-DCM Research Priority Number 4]
Notice bibliographique
Résumé
STUDY DESIGN: Narrative Review. OBJECTIVE: To (i) discuss why assessment and monitoring of disease progression is critical in Degenerative cervical myelopathy (DCM); (ii) outline the important features of an ideal assessment tool and (iii) discuss current and novel strategies for detecting subtle deterioration in DCM. METHODS: Literature review. RESULTS: Degenerative cervical myelopathy is an overarching term used to describe progressive injury to the cervical spinal cord by age-related changes of the spinal axis. Based on a study by Smith et al (2020), the prevalence of DCM is approximately 2.3% and is expected to rise as the global population ages. Given the global impact of this disease, it is essential to address important knowledge gaps and prioritize areas for future investigation. As part of the AO Spine RECODE-DCM (Research Objectives and Common Data Elements for Degenerative Cervical Myelopathy) project, a priority setting partnership was initiated to increase research efficiency by identifying the top ten research priorities for DCM. One of the top ten priorities for future DCM research was: What assessment tools can be used to evaluate functional impairment, disability and quality of life in people with DCM? What instruments, tools or methods can be used or developed to monitor people with DCM for disease progression or improvement either before or after surgical treatment? CONCLUSIONS: With the increasing prevalence of DCM, effective surveillance of this population will require both the implementation of a monitoring framework as well as the development of new assessment tools.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».