Lumbar Spondylolysis in the Pediatric Population: A Retrospective CT Review With Radiology Rereview
Notice bibliographique
Résumé
INTRODUCTION: Spondylolysis, a defect in the pars interarticularis, can be symptomatic or asymptomatic with an estimated prevalence of 4% by age 6 years and 6% by adulthood. This study's goal was to determine the prevalence of lumbar spondylolysis found on CT scans in children and to characterize patient-specific risk factors. METHODS: Abdominopelvic CT scans done (2017 to 2020) in patients up to age 18 years were reviewed. The radiology report was retrospectively reviewed for a spondylolysis, and a radiologist rereviewed the CT scan. Patient demographics and indications for CT scan were included. Firth bias-reduced logistic regression was used to model spondylolysis with each demographic variable as a predictor. RESULTS: One thousand nine hundred thirty-one CT reports and imaging were reviewed; abdominal pain (41.91%) and trauma (29.46%) were the most common reasons for CT scan. Spondylolysis was found in 42 patients (2.18%) per the radiology report and in 71 patients (3.68%) on radiologist overread. Median age was 13 years (interquartile range, 10 to 16 years). Age groups had the following prevalence: 0 to 6 years (0.41%); 7 to 10 years (1.58%); 11 to 13 years (3.59%); 14 to 18 years (5.1%). Increased prevalence was found in ages 14 to 18 years that was statistically significant (odds ratio 1; P = 0.0004). L5 was the most common level; most defects were bilateral. White patients had a higher rate of spondylolysis (5.06%) than Black patients (2.05%). Black patients were less likely to have a spondylolysis with an OR of 0.4 (0.22 to 0.69; P = 0.0007). DISCUSSION: This study demonstrated a lower prevalence of lumbar spondylolysis (3.68%) in children compared with the previous literature. Increasing prevalence with age suggests that spondylolysis develops over time, likely because of repetitive stress. Future studies should characterize these age-related and race-related differences for better understanding. LEVEL OF EVIDENCE: Level IV, retrospective.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».