The AO Spine Thoracolumbar Injury Classification System and Treatment Algorithm in Decision Making for Thoracolumbar Burst Fractures Without Neurologic Deficit
Notice bibliographique
Résumé
Study Design Prospective Observational Study. Objective To determine the alignment of the AO Spine Thoracolumbar Injury Classification system and treatment algorithm with contemporary surgical decision making. Methods 183 cases of thoracolumbar burst fractures were reviewed by 22 AO Spine Knowledge Forum Trauma experts. These experienced clinicians classified the fracture morphology, integrity of the posterior ligamentous complex and degree of comminution. Management recommendations were collected. Results There was a statistically significant stepwise increase in rates of operative management with escalating category of injury ( P < .001). An excellent correlation existed between recommended expert management and the actual treatment of each injury category: A0/A1/A2 (OR 1.09, 95% CI 0.70-1.69, P = .71), A3/4 (OR 1.62, 95% CI 0.98-2.66, P = .58) and B1/B2/C (1.00, 95% CI 0.87-1.14, P = .99). Thoracolumbar A4 fractures were more likely to be surgically stabilized than A3 fractures (68.2% vs 30.9%, P < .001). A modifier indicating indeterminate ligamentous injury increased the rate of operative management when comparing type B and C injuries to type A3/A4 injuries (OR 39.19, 95% CI 20.84-73.69, P < .01 vs OR 27.72, 95% CI 14.68-52.33, P < .01). Conclusions The AO Spine Thoracolumbar Injury Classification system introduces fracture morphology in a rational and hierarchical manner of escalating severity. Thoracolumbar A4 complete burst fractures were more likely to be operatively managed than A3 fractures. Flexion-distraction type B injuries and translational type C injuries were much more likely to have surgery recommended than type A fractures regardless of the M1 modifier. A suspected posterior ligamentous injury increased the likelihood of surgeons favoring surgical stabilization.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».