Magnetically Controlled Growing Rods Graduation: Lessons From a Single-center Series of 48 Patients
Notice bibliographique
Résumé
BACKGROUND: Magnetically controlled growing rod (MCGR) treatment for early-onset scoliosis (EOS) has become a widely utilized method of deformity control, but long-term follow-up reports are sparse. We evaluated the outcomes of a large group of consecutive pediatric patients diagnosed with EOS who were treated by MCGR to the endpoint of definitive spinal fusion in a single center. We hypothesized that lessons learned from treating a large volume of MCGR patients would lower the complication rate in comparison to what was previously reported by other studies. METHODS: The records of 48 EOS patients with varied etiologies who were treated by MCGR between 2012 and 2022 and reached the end of treatment were analyzed retrospectively for baseline and final radiographic measurements and surgery-related complications. RESULTS: The mean percent of improvement in the major coronal deformity was 51.7±25.0% and the mean T1 to T12 total growth was 52.9±21.9 mm. The total complication rate was 22.9% of which 12.5% required a single unplanned surgery, 6.3% required multiple unplanned surgeries, and 4% did not require any unplanned surgery. CONCLUSION: MCGR treatment provides adequate control of EOS, enabling satisfactory growth of the thoracic spine. The complication rate in a single large volume center is moderate. LEVEL OF EVIDENCE: IV.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».