The use of red flags during the referral chain of patients surgically treated for symptomatic spinal metastases
Notice bibliographique
Résumé
Background: The use of so-called "red flags" may be beneficial in identifying patients with metastatic spinal disease. This study examined the utility and efficacy of these red flags in the referral chain of patients surgically treated for spinal metastases. Methods: The referral chains from the onset of symptoms until surgical treatment for all patients receiving surgery for spinal metastases between March 2009 and December 2020 were reconstructed. The documentation of red flags, as defined by the Dutch National Guideline on Metastatic Spinal Disease, was assessed for each healthcare provider involved. Results: A total of 389 patients were included in the study. On average, 33.3% of red flags were documented as present, 3.6% were documented as absent, and 63.1% were undocumented. A higher rate of red flags documented as present was associated with a longer time to diagnosis, but a shorter time to definitive treatment by a spine surgeon. Moreover, red flags were documented as present more often in patients who developed neurological symptoms at any point during the referral chain than those who remained neurologically intact. Conclusions: The association of red flags with developing neurological deficits highlights their significance in clinical assessment. However, the presence of red flags was not found to decrease delays prior to referral to a spine surgeon, indicating that their relevance is currently not sufficiently recognized by healthcare providers. Raising awareness of symptoms indicative of spinal metastases may expedite timely (surgical) treatment and thus improve treatment outcome.
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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».