A Dangerous Curve: Impact of the COVID-19 Pandemic on Brace Treatment in Adolescent Idiopathic Scoliosis
Notice bibliographique
Résumé
Study Design Observational Cohort study. Objectives We aim to document the abandon and irregular compliance rate towards brace treatment during the COVID-19 pandemic and its impact on AIS progression. Methods We reviewed a database of AIS patients recruited between March and September 2020. We included AIS patients under brace treatment according to SRS criteria. The patients were divided in 2 cohorts: those with self-reported Good-Compliance (GC) to treatment and those who had a Bad-Compliance (BC). Data analysis included biometric and radiographic data at first visit and last follow-up and percentage of progression. Unpaired student-t tests and Chi 2 were used for comparison. Results 152 patients met inclusion criteria. 89 patients (age:12.1y.o.±1.4) reported good adherence to treatment, while 63 patients (age:12.7y.o.±1.8) were not compliant. Within the BC group, 18 patients reported irregular brace wear, while 45 had completely abandoned treatment (abandon rate of 29%). The GC cohort started treatment with a mean main thoracic (MT) curve of 26° and finished with 27°. The mean difference between measurements was +.65°±7.5; mean progression rate was -4.6%. However, the BC cohort started with a mean MT curve of 27° and finished with 32°, with a mean increase of +5°±8 and a mean progression rate of -13%. The differences between the 2 cohorts were statistically significant ( P = .0002). Six patients from the BC group progressed and were offered surgery. Conclusion The abandon rate of brace treatment in AIS significantly increased during the first wave of COVID-19 pandemic. Patients who voluntarily discontinued treatment had significant increases in curve progression and surgical indication rates. Level of evidence III
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 | 0,001 |
| 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 | 0,000 |
| 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 ».