Perioperative Medical Complications in Adult Spine Deformity Surgery: Classification and Prevention Strategies
Notice bibliographique
Résumé
Study DesignNarrative review.ObjectiveWe aimed to propose the classifications of, risk factors for, and prevention strategies for perioperative complications from previously published papers in adult spinal deformity (ASD) surgeries.MethodsA literature search was conducted in the PubMed/MEDLINE database to identify studies reporting perioperative complications of spinal deformity surgery, their classifications, risk factors, and prevention strategies. Main search terms included "perioperative complications", "medical complications" and "adult spinal deformity". In the various complications associated with deformity surgeries, we focused the medical complications which will directly link to patient's life prognosis rather than postoperative mechanical complications.ResultsThe overall perioperative complication rate ranged from 12.8% to 52.2%. Risk factors for perioperative medical complications included age, body mass index, osteoporosis, frailty, comorbidities, preoperative medication, smoking habit, and alcohol intake. Perioperative medical complications mostly depend on patient-related factors. Taking reference from the previous reported classification of surgical complications, the AO Spine Deformity Knowledge Forum developed a classification for complications of spinal deformity surgery via a Delphi exercise.ConclusionComplication classification system is important for understanding the impact of complications on patients. Further research should aim to determine the correlation between the new complication classification and patient outcomes in spinal deformity surgery. Various pre-, intra-, and postoperative strategies should be implemented to prevent perioperative complications.
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 ».