Efficacy and Safety of Posterior Long-Segment Fixation Versus Posterior Short-Segment Fixation for Kummell Disease: A Meta-Analysis
Notice bibliographique
Résumé
Purpose Posterior short-segment fixation (SSF) and long-segment fixation (LSF) are two methods for the treatment of Kummell disease, but the safety and effectiveness of these two surgical methods still lack adequate medical evidence. This study aimed to evaluate the two methods. Methods Database searches for randomized controlled trials, case-control studies, and cohort studies of posterior SSF and posterior LSF in the treatment of Kummell disease were performed. After the document quality was evaluated with the Newcastle-Ottawa Quality Assessment Scale, a meta-analysis was carried out. Results Meta-analysis revealed that the operation time and intraoperative blood loss in the LSF group were higher than those in the SSF group [MD = −18.17, 95% CI (−30.31, −6.03), z = 2.93, P = .003; MD = −82.07, 95% CI (−106.91, −57.24], z = 6.48, P < .00001). The postoperative last follow-up local kyphosis angle in the SSF group was greater than that in the LSF group (MD = 3.18, 95% CI [.56, 5.81], z = 2.38, P = .02), and there were no significant differences in perioperative complications, bone cement leakage rate, incidence of adverse events during follow-up, postoperative follow-up visual analog scale, postoperative Oswestry dysfunction index, and postoperative immediate local kyphosis angle between the two groups ( P > .05). Conclusion SSF and LSF are effective and safe for the treatment of Kummell disease. SSF can reduce the operation time and intraoperative bleeding; LSF can better maintain the long-term stability of kyphosis. The methods should be evaluated by clinicians according to the individual situation of the patients.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,001 | 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 ».