Risk factors for subsequent vertebral fractures after percutaneous vertebral augmentation in Asian populations: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To identify the risk factors for subsequent vertebral fractures after percutaneous vertebral augmentation through the meta-analysis. METHODS: Articles from 2019 to 2024 were retrieved from PubMed, Cochrane Library, Embase, and Web of Science. The quality of included studies was assessed using the Newcastle-Ottawa Scale (NOS), while data analysis was performed with R (The R Project for Statistical Computing). RESULTS: Fourteen articles comprising data from 5,673 patients were included in the analysis. Statistically significant differences were identified for age, gender, T-score (measured by dual-energy X-ray absorptiometry), body mass index (BMI), Computed tomography Hounsfield unit (CT HU) value, intravertebral cleft (IVC), multi-segment vertebral fractures, and bone cement leakage. In contrast, no statistically significant differences were observed for hypertension history, diabetes history, thoracolumbar vertebral fracture, postoperative Cobb angle, surgical method（percutaneous vertebroplasty/percutaneous kyphoplasty）, puncture method (unilateral/bilateral puncture), or bone cement volume. CONCLUSION: In Asian populations, advanced age, female, low T-score, low BMI, low CT HU values, presence of IVC, multi-segment vertebral fractures, and bone cement leakage are identified as significant risk factors for subsequent vertebral fractures following PVA. Conversely, a history of anti-osteoporosis treatment is identified as a protective factor, whereas hypertension history, diabetes history, thoracolumbar vertebral fracture, postoperative Cobb angle, surgical method, puncture method, and bone cement volume demonstrate no significant correlation with subsequent vertebral fractures after PVA.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,001 | 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 ».