2029 Impact of Intraoperative Neurophysiological Monitoring on Surgical Outcomes in Patients With Intradural Extramedullary Spinal Cord Tumors – A Systematic Review of the Literature
Notice bibliographique
Résumé
INTRODUCTION: Intraoperative neurophysiologic monitoring (IONM) plays an important role in the prevention of neurological complications following spinal cord surgeries. There is a paucity of systematic reviews on the surgical outcomes of IONM modalities in patients with intradural extramedullary (IDEM) tumors of the spinal cord. METHODS: The authors searched a total of five electronic databases in May 2024 to retrieve the relevant studies. The eligible studies included patients diagnosed with IDEM, discussed the surgical outcomes of IONM and the predictive performance of the modalities for postoperative neurological deficits, and were published in the English language. The quality assessment was performed using the Newcastle-Ottawa Scale for retrospective and prospective cohort studies. RESULTS: The review included ten studies with a total of 1323 patients who underwent spinal cord surgery for IDEM tumors. There were 587 (44%) male participants, and 736 female participants (56%). Overall, IONM demonstrated superior benefits, reducing complications (p < 0.05), preserving neurological function (p < 0.05), greater quality of life, radiological measures, and lower complication rates. Long-term follow-up showed lower recurrence rates and higher overall survival among IONM patients. CONCLUSIONS: This review underscores the substantial benefits of intraoperative neurophysiologic monitoring IONM in IDEM spinal cord tumor surgery. IONM reduces neurological complications, preserves function, and enhances surgical success and overall patient outcomes. Integrating IONM into spinal cord surgery is essential for optimizing patient safety and improving long-term prognosis.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| 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 | 0,002 |
| 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 ».