Comparison between minimally invasive and open transforaminal lumbar interbody fusion for the treatment of multi‑segmental lumbar degenerative disease: A systematic evaluation and meta‑analysis
Notice bibliographique
Résumé
The present study aimed to compare the differences between minimally invasive transforaminal lumbar fusion (MIS-TLIF) and open transforaminal lumbar fusion (TLIF) for multi-segmental lumbar degenerative disease regarding intraoperative indices and postoperative outcomes. PubMed, Web of Science, Embase, CNKI, Wanfang and VIP databases were searched for literature on MIS-TLIF and open TLIF in treating multi-segmental lumbar degenerative diseases. Of the 1,608 articles retrieved, 10 were included for final analysis. The Newcastle-Ottawa Scale and Review Manager 5.4 were used for quality evaluation and data analysis, respectively. The MIS-TLIF group was superior to the open TLIF group regarding intraoperative blood loss [95% confidence interval (CI): -254.33,-157.86; P<0.00001], postoperative in-bed time (95%CI: -3.49,-2.76; P<0.00001), hospitalization time (95%CI: -5.14,-1.78; P<0.0001) and postoperative leg pain Visual Analog Scale score (95%CI: -0.27,-0.13; P<0.00001). The fluoroscopy frequency for MIS-TLIF (95%CI: 2.07,6.12; P<0.0001) was significantly higher than that for open TLIF. The two groups had no significant differences in operation time, postoperative drainage volume, postoperative complications, fusion rate, or Oswestry Disability Index score. In treating multi-segmental lumbar degenerative diseases, MIS-TLIF has the advantages of less blood loss, shorter bedtime and hospitalization time and improved early postoperative efficacy; however, open TLIF has a lower fluoroscopy frequency.
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) | 0,001 | 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 ».