Current state and future perspectives of spinal navigation and robotics - an AO Spine survey
Notice bibliographique
Résumé
Objective: The use of robotics in spine surgery has gained popularity in recent years. This study aims to assess the current state of navigation and robotics in spine surgery and raise awareness of their educational implications across the AO Spine regions. Methods: An online questionnaire comprising 27 questions was distributed to AO spine members between October 25th and November 13th, 2023, using the SurveyMonkey platform (https://www.surveymonkey.com; SurveyMonkey Inc., San Mateo, CA, USA). Statistical analyses (descriptive statistics, Pearson Chi-Square tests) and generation of all graphs were performed using SPSS Version 29.0.1.0 (IBM SPSS Statistic). Results: We received 424 responses from AO Spine members (response rate = 9.9 %). The participants were mostly board-certified orthopedic surgeons (46 %, n=195) and neurosurgeons (32%, n=136) with an equal distribution from academic/non-academic institutions (50 %, n=212). While 49% (n=208) of the participants reported occasional or frequent use of navigation assistance, only 18 % (n=70) indicated the use of robotic assistance for spinal instrumentation. A significant difference based on the country’s median income status (p<0.001) and the respondent’s number of annual instrumentation procedures (p<0.001) has been observed. While 11 % (n=47) of all surgeons use a spinal robot frequently, 36 % (n=153) of the participants stated they don’t need a robot from a current perspective. Most participants (77%, n=301) concluded that high acquisition costs are the primary barrier for the implementation of robotics. Conclusion: Although the hype for robotics in spine surgery increased recently, robotic systems remain non-standard equipment due to cost constraints and limited usability. Spinal navigation appears to have a broader international utilization.
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 | 0,000 |
| 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 ».