Application of deformity principles in the management of spinal neoplasms: A Primer
Notice bibliographique
Résumé
Background: With advances in surgical techniques, radiation, and systemic therapy, prognoses and quality of life have improved amongst patients with primary and metastatic vertebral column tumors. Sagittal deformity is known to have an adverse impact on patient quality of life but has been largely ignored in this study population. Methods: A comprehensive literature review was conducted, focusing on articles germane to the study of spinal deformity in the context of oncologic disease. Articles included those focusing on bone health, the association of spinal deformity with oncologic spine disease, and both pelvic and anterior column reconstruction in patients treated for primary tumors. Results: Little to date has focused specifically on the management of spinal deformity in the context of spinal tumors. However, it is known that tumor involvement of the vertebral column is associated with poorer screw purchase, which can be further worsened by radiotherapy. Instrumentation techniques that seek to address underlying deformity must also balance the need for radiographic follow-up, which is improved with novel carbon fiber-reinforced polyetheretherketone implants, and the need for intraoperative contouring. Last, residual deformity is associated with poorer patient reported outcomes and increased mechanical complications in adult spinal deformity, but better study within the spinal oncology population is merited. Conclusion: The potential negative impact of spinal deformity on patient quality of life in the spinal oncology population is now better appreciated amongst spinal oncologists, but studies have been limited to date. Further investigation is merited as survival outcomes continue to improve.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».