3D-printed porous titanium versus polyetheretherketone cages in lateral lumbar interbody fusion: a systematic review and meta-analysis of subsidence
Notice bibliographique
Résumé
Background Cage subsidence frequently complicates lumbar fusion procedures, including lateral lumbar interbody fusion (LLIF), potentially leading to recurrent pain, impaired fusion, and accelerated degeneration of adjacent segments. A critical factor influencing cage subsidence is the selection of material. Polyetheretherketone (PEEK) and three-dimensional printed titanium (3D-Ti) cages are commonly used in LLIF procedures, each offering distinct advantages. However, these materials possess inherent property differences that may translate into divergent settling rates. To contribute to this discourse and offer insights, this systematic review and meta-analysis aims to compare the rates of cage subsidence between 3D-Ti and PEEK cages in LLIF. Methods A meticulous systematic search that employs distinct MeSH terms was conducted in major electronic databases (MEDLINE, PubMed, Embase, Scopus, Web of Science, and Cochrane) up to December 20, 2023. The quality of inclusion was measured using the Newcastle-Ottawa Scale (NOS) for non-randomized trials. The primary outcome measure was cage subsidence, while the secondary outcome involved evaluating subsidence within each treatment segment using the Marchi classification. Results The review included 265 patients (441 segments) from three studies. All with NOS ratings exceeding 5 stars. In the analysis, 189 segments (42.9%) underwent LLIF with 3D-Ti cages, while 252 segments (57.1%) participated in LLIF with PEEK cages. Overall, the cage subsidence rate was significantly lower with 3D-Ti compared to PEEK (p < 0.00001, OR = 0.25; 95% CI 0.14 to 0.44). Specifically, the 3D-Ti group exhibited a markedly lower subsidence rate, categorized by grade I, II, and III, compared to the PEEK group (p < 0.05). Furthermore, the incidence of severe subsidence was significantly reduced in the 3D-Ti group compared to the PEEK group (p = 0.0004, OR = 0.17; 95% CI 0.07 to 0.46). Conclusion The study concludes that the subsidence rate associated with 3D-Ti cages in LLIF is notably lower than that observed with PEEK cages, underscoring the potential advantages of 3D-Ti cages in mitigating cage subsidence.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,023 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».