Advancing robot-guided techniques in lumbar spine surgery: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Lumbar spine surgery is a crucial intervention for addressing spinal injuries or conditions affecting the spine, often involving lumbar fusion through pedicle screw (PS) insertion. The precision of PS placement is pivotal in orthopedic surgery. This systematic review compares the accuracy of robot-guided (RG) surgery with free-hand fluoroscopy-guided (FFG), free-hand without fluoroscopy-guided (FHG), and computed tomography image-guided (CTG) techniques for PS insertion. METHODS: A systematic search of various databases from 1 January 2013 to 30 December 2023 was conducted following PRISMA guidelines. Primary outcomes, including PS insertion accuracy and breach rate, were analyzed using a random-effects model. Risk of bias was assessed using the Newcastle-Ottawa Scale. RESULTS: The overall accuracy of PS insertion using RG, based on 37 studies involving 3,837 patients and 22,117 PS, is 97.9%, with a breach rate of 0.021. RG demonstrated superior accuracy compared to FHG and CTG, with breach rates of 3.4 and 0.015 respectively for RG versus FHG, and 3.8 and 0.026 for RG versus CTG. Additionally, RG was associated with reduced mean estimated blood loss compared to CTG, indicating improved safety. CONCLUSIONS: The RG is associated with enhanced accuracy of PS insertion and reduced breach rates over other methods. However, additional randomized controlled trials comparing these modalities are needed for further validation. PROSPERO REGISTRATION: CRD42023483997.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,026 | 0,006 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».