Surgeon Learning Curve and Clinical Outcomes of Minimally Invasive Anterior Lumbar Interbody Fusion With Posterior Percutaneous Instrumentation
Notice bibliographique
Résumé
OBJECTIVES: This study reports the learning phase of the minimally invasive anterior lumbar interbody fusion (mini-ALIF) approach with a vascular and orthopaedic spine surgeon team. METHODS: Adult patients who underwent primary mini-ALIF at the lowest two segments of the lumbar spine (i.e., L4/5, L5/S1) between January 2010 and December 2018 were analyzed. RESULTS: One hundred twenty-seven patients were included. There was no notable change in total surgical time over the study period. Estimated blood loss markedly decreased until stabilizing at case 30 and slowly declined thereafter. The mean estimated blood loss was 184 mL for L5/S1, 232 mL for L4/L5, and 458 mL for two-level mini-ALIF. There were 20 vascular issues requiring primary repair or packing. Vascular issues declined over time, with a rate of 32% in the first 25 cases and 0% in the last 25. The postoperative complication rate was highest in the first 25 cases (7 of 21 total complications). The odds ratio of vascular injury with body mass index (BMI) > 35 was 4.09 (1.4 to 11.7 confidence interval, P ≤ 0.008). Total surgical time and postoperative complications increased with increasing BMI. CONCLUSION: Performance of the mini-ALIF approach is associated with a learning curve of 25 to 30 cases before complications begin to decline. BMI > 35 is associated with increased surgical time and complications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».