MétaCan
Menu
Retour à la cohorte
Enregistrement W4376108910 · doi:10.1097/brs.0000000000004714

Ninety Percent of Patients Are Satisfied With Their Decision to Undergo Spine Surgery for Degenerative Conditions

2023· article· en· W4376108910 sur OpenAlexaboutno aff
Omri Maayan, Pratyush Shahi, Robert Merrill, Anthony Pajak, Amy Lu, Yousi A. Oquendo, Tejas Subramanian, Kasra Araghi, Olivia Tuma, Maximilian Korsun, Tomoyuki Asada, Nishtha Singh, Sumedha Singh, Evan Sheha, James Dowdell, Sheeraz A. Qureshi, Sravisht Iyer

Notice bibliographique

RevueSpine · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesWeill Cornell Medical CollegeHospital for Special Surgery
Mots-clésMedicineSPINE (molecular biology)Degenerative diseaseSurgeryPhysical therapyCentral nervous system diseaseBioinformatics

Résumé

récupéré en direct d'OpenAlex

STUDY DESIGN: Cross-sectional survey and retrospective review of prospectively collected data. OBJECTIVE: To explore how patients perceive their decision to pursue spine surgery for degenerative conditions and evaluate factors correlated with decisional regret. SUMMARY OF BACKGROUND DATA: Prior research shows that one-in-five older adults regret their decision to undergo spinal deformity surgery. However, no studies have investigated decisional regret in patients with degenerative conditions. METHODS: Patients who underwent cervical or lumbar spine surgery for degenerative conditions (decompression, fusion, or disk replacement) between April 2017 and December 2020 were included. The Ottawa Decisional Regret Questionnaire was implemented to assess prevalence of decisional regret. Questionnaire scores were used to categorize patients into low (<40) or medium/high (≥40) decisional regret cohorts. Patient-reported outcome measures (PROMs) included the Oswestry Disability Index, Patient-reported Outcomes Measurement Information System, Visual Analog Scale (VAS) Back/Leg/Arm, and Neck Disability Index at preoperative, early postoperative (<6 mo), and late postoperative (≥6 mo) timepoints. Differences in demographics, operative variables, and PROMs between low and medium/high decisional regret groups were evaluated. RESULTS: A total of 295 patients were included (mean follow-up: 18.2 mo). Overall, 92% of patients agreed that having surgery was the right decision, and 90% would make the same decision again. In contrast, 6% of patients regretted the decision to undergo surgery, and 7% noted that surgery caused them harm. In-hospital complications (P=0.02) and revision fusion (P=0.026) were significantly associated with higher regret. The medium/high decisional regret group also exhibited significantly worse PROMs at long-term follow-up for all metrics except VAS-Arm, and worse achievement of minimum clinically important difference for Oswestry Disability Index (P=0.007), Patient-Reported Outcomes Measurement Information System (P<0.0001), and VAS-Leg (P<0.0001). CONCLUSIONS: Higher decisional regret was encountered in the setting of need for revision fusion, increased in-hospital complications, and worse PROMs. However, 90% of patients overall were satisfied with their decision to undergo spine surgery for degenerative conditions. Current tools for assessing patient improvement postoperatively may not adequately capture the psychosocial values and patient expectations implicated in decisional regret.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,209
Tête enseignante GPT0,426
Écart entre enseignants0,217 · 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

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpineMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207