A meta-analysis of prognostic factors in surgical treatment of foot drop due to lumbar degenerative diseases
Notice bibliographique
Résumé
Objective: Lumbar decompression surgery is an effective treatment for foot drop caused by LDD, but there is controversy about the prognostic factors affecting its efficacy. This study aimed to investigate the factors influencing the surgical outcome of foot drop due to LDD. Methods: A systematic database search of PubMed, Embase, Web of Science, Cochrane Library and Clinical Trials was performed for relevant articles published until May 2022. Two reviewers independently screened the literature, extracted data, and evaluated the quality of the studies based on the inclusion and exclusion criteria. The quality of the studies was evaluated using the Newcastle-Ottawa Scale (NOS), and STATA 16.0 software was used for meta-analysis. Results: A total of 730 relevant articles were initially identified and 9 articles were finally included in this study for data extraction and mea-analysis. The results of metaanalysis showed that patients with preoperative moderate muscle strength (2-3/5 on the Medical Research Council scale) had better prognosis compared to those with severe muscle weakness. Additionally, the presence of diabetes mellitus was associated with a poorer prognosis for patients with foot drop due to LDD. The OR values (95%CI) of these two factors were 5.882 (4.449, 7.776) and 5.657 (2.094,15.280) respectively. Conclusions: Patients with moderate muscle strength have a better prognosis compared to those with severe muscle weakness. The presence of diabetes mellitus is associated with a poorer prognosis for patients with foot drop due to LDD. These factors should be considered when predicting the surgical outcome of foot drop due to LDD.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,002 | 0,005 |
| 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 ».