Expert Opinion, Real-World Classification, and Decision-Making in Thoracolumbar Burst Fractures Without Neurologic Deficits?
Notice bibliographique
Résumé
STUDY DESIGN: Retrospective analysis of prospectively collected data. OBJECTIVES: To compare decision-making between an expert panel and real-world spine surgeons in thoracolumbar burst fractures (TLBFs) without neurological deficits and analyze which factors influence surgical decision-making. METHODS: This study is a sub-analysis of a prospective observational study in TL fractures. Twenty two experts were asked to review 183 CT scans and recommend treatment for each fracture. The expert recommendation was based on radiographic review. RESULTS: Overall agreement between the expert panel and real-world surgeons regarding surgery was 63.2%. In 36.8% of cases, the expert panel recommended surgery that was not performed in real-world scenarios. Conversely, in cases where the expert panel recommended non-surgical treatment, only 38.6% received non-surgical treatment, while 61.4% underwent surgery. A separate analysis of A3 and A4 fractures revealed that expert panel recommended surgery for 30% of A3 injuries and 68% of A4 injuries. However, 61% of patients with both A3 and A4 fractures received surgery in the real world. Multivariate analysis demonstrated that a 1% increase in certainty of PLC injury led to a 4% increase in surgery recommendation among the expert panel, while a .2% increase in the likelihood of receiving surgery in the real world. CONCLUSION: Surgical decision-making varied between the expert panel and real-world treating surgeons. Differences appear to be less evident in A3/A4 burst fractures making this specific group of fractures a real challenge independent of the level of expertise.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».