Diagnostic prediction models for spinal fractures in individuals with spinal pain or trauma: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Multivariable diagnostic models are often used to identify spinal fractures in patients with spinal pain and/or trauma. However, their performance and clinical utility remain uncertain. We aimed to evaluate the performance of diagnostic models for detecting spinal fractures in individuals with spinal pain and/or trauma. Methods: In this systematic review and meta-analysis, we searched MEDLINE, EMBASE, and Web of Science on April 15, 2024 and May 27, 2024 for relevant work published since database inception. The first search included only studies on spinal pain and the second additionally included spinal trauma studies, following a protocol adjustment during screening. A search update was performed on May 19, 2025. An expert librarian assisted in developing the search strategy, which was limited to work published in English, Italian, and Dutch. We also performed backward and forward citation tracking. We included studies that developed and/or externally validated multivariable diagnostic prediction models for spinal fractures. Two independent reviewers screened studies for eligibility, extracted data using the CHARMS checklist, and assessed the risk of bias using the PROBAST. The certainty of evidence was evaluated using the GRADE approach. The protocol was registered in PROSPERO, CRD42024539898. Findings: We included 27 studies encompassing 34 diagnostic models. All models showed an overall high risk of bias, while the concerns about their applicability varied due to the frequent use of spinal injuries as the outcome instead of explicitly addressing spinal fractures. Meta-analyses of ten studies that externally validated the Canadian C-spine Rule in adults presenting with trauma to emergency departments or trauma centres demonstrated, with very low certainty of the evidence, excellent sensitivity (0.999; 95% CI 0.976-1), an high area under the curve (0.850; 95% CI 0.720-0.970), and a low specificity (0.188; 95% CI 0.063-0.443). We estimated a pooled non-statistically significant positive likelihood ratio of 1.230 (95% CI 0.978-1.548) and a negative likelihood ratio of 0.007 (95% CI 0.001-0.082) for the same model. Other models for traumatic cervical fractures and osteoporotic fractures showed promise but lacked external validation or sufficient reporting on calibration and discrimination measures (with low to very low certainty of the evidence). No models for thoracolumbar fractures were deemed ready to be used clinically. Interpretation: Although the Canadian C-spine Rule shows potential for screening traumatic cervical fractures, the very low to low certainty of the evidence limits confidence in its accuracy and appropriateness for clinical use. We did not identify any externally validated models suitable for clinical use regarding osteoporotic or traumatic fractures of the thoracolumbar spine, and traumatic fractures of the cervical spine in non-emergency settings. Future research with rigorous methodological and statistical approaches should aim to fill these knowledge gaps. Funding: None.
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 | 0,043 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,064 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».