MétaCan
Menu
Retour à la cohorte
Enregistrement W4390713253 · doi:10.23880/jobd-16000242

A Meta-Analysis of Risk Factors for Stroke after Spinal Surgery

2023· article· en· W4390713253 sur OpenAlexaboutno aff
Guodong Shi

Notice bibliographique

RevueJournal of Orthopedics & Bone Disorders · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSpine and Intervertebral Disc Pathology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCochrane LibraryMeta-analysisInclusion and exclusion criteriaStroke (engine)PerioperativeDiabetes mellitusData extractionMEDLINEInternal medicinePhysical therapySurgeryAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

Background: Perioperative stroke is a rare but serious complication of spinal surgery. However, it has been reported that there are multiple risk factors that contribute to postoperative stroke, but still remains controversial. The aim of this study is to investigate the risk factors of stroke after spinal surgery. Methods: A systematic search of relevant articles is published in PubMed, Embase, Web of Science, Cochrane Library and Clinical Trials databases until August 2022. According to the inclusion and exclusion criteria, two reviewers independently performed literature screening, data extraction and quality assessment of the obtained literature. The Newcastle-Ottawa Scale (NOS) score was used for quality assessment, and STATA 16.0 software was used for meta-analysis. Results: A total of 1706 relevant articles were initially identified and 13 articles were finally included in this study for data extraction and meta-analysis. The meta-analysis showed that advanced age, hypertension and diabetes mellitus were the risk factors for stroke after spinal operation. The OR values (95%CI) of these three factors were 3.36 (1.81, 6.24), 1.61 (1.26, 2.06) and 2.07 (1.23, 3.49) respectively. Conclusions: Advanced age, hypertension and diabetes mellitus are the current risk factors for postoperative cerebrovascular accidents (CVA).

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)0,014
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,029
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0170,063
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
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 Opus0,083
Tête enseignante GPT0,338
Écart entre enseignants0,255 · 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.

Devis d'étudeMéta-analyse
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopedics & Bone DisordersMême sujetSpine and Intervertebral Disc PathologyTravaux en français237 207