The Generational Differences in Growth-Friendly Treatment Utilization for Early-Onset Scoliosis
Notice bibliographique
Résumé
Background: The development of new growth-friendly techniques for treating early onset scoliosis (EOS) has resulted in a rapidly changing landscape of available treatment strategies. There is no literature revealing how a surgeon’s years in practice (YIP) is related to the EOS techniques they learned in fellowship and how their YIP influences their decision making in selecting EOS constructs. Methods: A 25-question survey was electronically delivered to 144 surgeons who treat EOS, and 87 (60%) responded. Surgeons were divided into two groups: a younger group (YG) with 0-10 YIP and an older group (OG) with ＞10 YIP. Growth-friendly techniques queried included serial casting, traditional growing rods (TGR), Vertical Expandable Prosthetic Titanium Rib (VEPTR), non-VEPTR rib constructs, Magnetically Controlled Growing Rods (MCGR), and SHILLA. A Chi-square analysis was used to determine differences between the YIP groups with regards to which techniques surgeons learned in fellowship and which techniques they use in practice. Results: One-hundred percent (38/38) of the YG surgeons were fellowship trained, vs 87.8% (43/49) of the OG surgeons. More YG vs OG surgeons received fellowship training in serial casting (84.2% vs 38.8%, p<0.001), TGR (94.7% vs 63.3%, p<0.001), VEPTR (65.8% vs 28.6, p<0.001), non-VEPTR rib constructs (55.3% vs 16.3%, p<0.001), and MCGR (47.4% vs 2%, p<0.001). OG surgeons were more likely to use TGR in the last 3 years, with 26% of YG vs 6% of OG surgeons never utilizing TGR, and 5% of YG vs 31% of OG surgeons performing TGR cases > 10 times (p=.004). Regarding treatment preferences, more YG surgeons (84.2% vs 39.6%, p<0.001) preferred to delay intervention until final fusion, rather than use any growth-friendly techniques. Furthermore, YG surgeons see a limited need for growth-friendly constructs other than MCGR. Conclusions: YG surgeons were more likely to learn growth-friendly techniques in fellowship than OG surgeons, though in their practices the groups use growth-friendly techniques at similar rates. Compared to OG surgeons, YG surgeons prefer performing definitive fusions over utilizing any growth-friendly surgical techniques.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».