MétaCan
Menu
Retour à la cohorte
Enregistrement W4224240151 · doi:10.14444/8174

Predictive Analytics for Determining Extended Operative Time in Corrective Adult Spinal Deformity Surgery

2022· article· en· W4224240151 sur OpenAlexaff
Peter G. Passias, Gregory W. Poorman, Dennis Vasquez-Montes, Nicholas Kummer, Gregory M. Mundis, Neel Anand, Samantha R. Horn, Frank A. Segreto, Lara Passfall, Oscar Krol, Bassel G. Diebo, Doug Burton, Aaron J. Buckland, Michael C. Gerling, Alex Soroceanu, Robert K. Eastlack, D. Kojo Hamilton, Robert A. Hart, Frank J. Schwab, Virginie Lafage, Christopher I. Shaffrey, Daniel M. Sciubba, Shay Bess, Christopher P. Ames, Eric O. Klineberg

Notice bibliographique

RevueThe International Journal of Spine Surgery · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueScoliosis diagnosis and treatment
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineSpinal deformitySpinal surgeryAnalyticsCorrective surgeryPredictive analyticsPhysical medicine and rehabilitationDeformitySurgeryData scienceComputer science

Résumé

récupéré en direct d'OpenAlex

<h3>Background</h3> More sophisticated surgical techniques for correcting adult spinal deformity (ASD) have increased operative times, adding to physiologic stress on patients and increased complication incidence. This study aims to determine factors associated with operative time using a statistical learning algorithm. <h3>Methods</h3> Retrospective review of a prospective multicenter database containing 837 patients undergoing long spinal fusions for ASD. Conditional inference decision trees identified factors associated with skin-to-skin operative time and cutoff points at which factors have a global effect. A conditional variable-importance table was constructed based on a nonreplacement sampling set of 2000 conditional inference trees. Means comparison for the top 15 variables at their respective significant cutoffs indicated effect sizes. <h3>Results</h3> Included: 544 surgical ASD patients (mean age: 58.0 years; fusion length 11.3 levels; operative time: 378 minutes). The strongest predictor for operative time was institution/surgeon. Center/surgeons, grouped by decision tree hierarchy, a and b were, on average, 2 hours faster than center/surgeons c-f, who were 43 minutes faster than centers g-j, all <i>P</i> &lt; 0.001. The next most important predictors were, in order, approach (combined vs posterior increases time by 139 minutes, <i>P</i> &lt; 0.001), levels fused (&lt;4 vs 5–9 increased time by 68 minutes, <i>P</i> &lt; 0.050; 5–9 vs &lt; 10 increased time by 47 minutes, <i>P</i> &lt; 0.001), age (age &lt;50 years increases time by 57 minutes, <i>P</i> &lt; 0.001), and patient frailty (score &lt;1.54 increases time by 65 minutes, <i>P</i> &lt; 0.001). Surgical techniques, such as three-column osteotomies (35 minutes), interbody device (45 minutes), and decompression (48 minutes), also increased operative time. Both minor and major complications correlated with &lt;66 minutes of increased operative time. Increased operative time also correlated with increased hospital length of stay (LOS), increased estimated intraoperative blood loss (EBL), and inferior 2-year Oswestry Disability Index (ODI) scores. <h3>Conclusions</h3> Procedure location and specific surgeon are the most important factors determining operative time, accounting for operative time increases &lt;2 hours. Surgical approach and number of levels fused were also associated with longer operative times, respectively. Extended operative time correlated with longer LOS, higher EBL, and inferior 2-y ODI outcomes. <h3>Clinical Relevance</h3> We further identified the poor outcomes associated with extended operative time during surgical correction of ASD, and attributed the useful predictors of time spent in the operating room, including site, surgeon, surgical approach, and the number of levels fused. <h3>Level of Evidence</h3> 3.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,139
Score d'incertitude au seuil0,449

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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 Opus0,036
Tête enseignante GPT0,330
Écart entre enseignants0,294 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Spine SurgeryMême sujetScoliosis diagnosis and treatmentTravaux en français237 207