MétaCan
Menu
Retour à la cohorte
Enregistrement W4310131919 · doi:10.1001/jamanetworkopen.2022.43890

Upper Limb Nerve Transfer Surgery in Patients With Tetraplegia

2022· article· en· W4310131919 sur OpenAlexaff
Saad Javeed, Christopher F. Dibble, Jacob K. Greenberg, Justin K. Zhang, Jawad M. Khalifeh, Yikyung Park, Thomas J. Wilson, Eric L. Zager, Amir H. Faraji, Mark A. Mahan, Lynda J.‐S. Yang, Rajiv Midha, Neringa Juknis, Wilson Z. Ray

Notice bibliographique

RevueJAMA Network Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNerve Injury and Rehabilitation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTetraplegiaMedicineDashUpper limbReinnervationElbowUlnar nerveRange of motionRehabilitationSpinal cord injuryGrip strengthPhysical medicine and rehabilitationPhysical therapyHand strengthSurgerySpinal cord

Résumé

récupéré en direct d'OpenAlex

Importance: Cervical spinal cord injury (SCI) causes devastating loss of upper extremity function and independence. Nerve transfers are a promising approach to reanimate upper limbs; however, there remains a paucity of high-quality evidence supporting a clinical benefit for patients with tetraplegia. Objective: To evaluate the clinical utility of nerve transfers for reanimation of upper limb function in tetraplegia. Design, Setting, and Participants: In this prospective case series, adults with cervical SCI and upper extremity paralysis whose recovery plateaued were enrolled between September 1, 2015, and January 31, 2019. Data analysis was performed from August 2021 to February 2022. Interventions: Nerve transfers to reanimate upper extremity motor function with target reinnervation of elbow extension and hand grasp, pinch, and/or release. Main Outcomes and Measures: The primary outcome was motor strength measured by Medical Research Council (MRC) grades 0 to 5. Secondary outcomes included Sollerman Hand Function Test (SHFT); Michigan Hand Outcome Questionnaire (MHQ); Disabilities of Arm, Shoulder, and Hand (DASH); and 36-Item Short Form Health Survey (SF-36) physical component summary (PCS) and mental component summary (MCS) scores. Outcomes were assessed up to 48 months postoperatively. Results: Twenty-two patients with tetraplegia (median age, 36 years [range, 18-76 years]; 21 male [95%]) underwent 60 nerve transfers on 35 upper limbs at a median time of 21 months (range, 6-142 months) after SCI. At final follow-up, upper limb motor strength improved significantly: median MRC grades were 3 (IQR, 2.5-4; P = .01) for triceps, with 70% of upper limbs gaining an MRC grade of 3 or higher for elbow extension; 4 (IQR, 2-4; P < .001) for finger extensors, with 79% of hands gaining an MRC grade of 3 or higher for finger extension; and 2 (IQR, 1-3; P < .001) for finger flexors, with 52% of hands gaining an MRC grade of 3 or higher for finger flexion. The secondary outcomes of SHFT, MHQ, DASH, and SF36-PCS scores improved beyond the established minimal clinically important difference. Both early (<12 months) and delayed (≥12 months) nerve transfers after SCI achieved comparable motor outcomes. Continual improvement in motor strength was observed in the finger flexors and extensors across the entire duration of follow-up. Conclusions and Relevance: In this prospective case series, nerve transfer surgery was associated with improvement of upper limb motor strength and functional independence in patients with tetraplegia. Nerve transfer is a promising intervention feasible in both subacute and chronic SCI.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), 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

Citations56
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetNerve Injury and RehabilitationTravaux en français237 207