Impact of Mechanism of Injury on Long-term Neurological Outcomes of Cervical Sensorimotor Complete Acute Traumatic Spinal Cord Injury
Notice bibliographique
Résumé
OBJECTIVE: Mechanism of injury is a largely understudied descriptor of acute traumatic spinal cord injury (tSCI). This study sought to compare the impact of high-energy and low-energy mechanisms of injury in neurological outcomes of cervical sensorimotor complete tSCI. METHODS: Patients with tSCI were identified in 4 prospective, multicenter clinical trials and registries. American Spinal Injury Association Impairment Scale (AIS) grade was assessed ≤ 72 hours postinjury and followed up between 12 to 52 weeks. Patients were included if they had a cervical and sensorimotor complete (AIS-A) injury at baseline. Study outcomes were change in AIS grade and lower extremity motor, upper extremity motor, and total motor scores. Propensity score matching between high-energy mechanisms of injury (HEMI; e.g. , motor vehicle collisions) and low-energy mechanisms of injury (LEMI; e.g. , falls) groups was performed. Adjusted groups were compared with paired t-tests and McNemar test. RESULTS: Of 667 patients eligible for inclusion, 523 experienced HEMI (78.4%). HEMI patients were younger, had lower body mass index, more associated fractures or dislocations, and lower baseline lower extremity motor scores. After propensity score matching of these baseline variables, 118 pairs were matched. HEMI patients had a significantly worse motor recovery from baseline to follow-up based on their diminished change in upper extremity motor scores and total motor scores. CONCLUSION: Cervical sensorimotor complete tSCIs from HEMI were associated with significantly lower motor recovery compared to LEMI patients. Our findings suggest that mechanism of injury should be considered in modelling prognosis and in understanding the heterogeneity of outcomes after acute tSCI.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».