Spinal Robotics in Adult Spinal Deformity Surgery: A Systematic Review
Notice bibliographique
Résumé
Spinal robotics have the potential to improve the consistency of outcomes in adult spinal deformity (ASD) surgery. The objective of this paper is to assess the accuracy of pedicle and S2 alar-iliac (S2AI) screws placed with robotic guidance in ASD patients. PubMed Central, Google Scholar, and an institutional library database were queried until May 2023. Articles were included if they described ASD correction via robotic guidance and pedicle and/or S2AI screw accuracy. Articles were excluded if they described pediatric/adolescent spinal deformity or included outcomes for both ASD and non-ASD patients without separating the data. Methodological quality was assessed using the Newcastle-Ottawa scale. Primary endpoints were pedicle screw accuracy based on the Gertzbein-Robbins Scale and self-reported accuracy percentages for S2AI screws. Data were extracted for patient demographics, operative details, and perioperative outcomes and assessed using descriptive statistics. Five studies comprising 138 patients were included (mean age 66.0 years; 85 females). A total of 1,508 screws were inserted using robotic assistance (51 S2AI screws). Two studies assessing pedicle screws reported clinically acceptable trajectory rates of 98.7% and 96.0%, respectively. Another study reported a pedicle screw accuracy rate of 95.5%. Three studies reported 100% accuracy across 51 total S2AI screws. Eight total complications and 4 reoperations were reported. Current evidence supports the application of robotics in ASD surgery as safe and effective for placement of both screw types. However, due to the paucity of data, a comprehensive assessment of its incremental benefit over other techniques cannot be made. Further work using expanded cohorts is merited.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».