Adverse Impact of Smoking on Spine Fusion and Patient-Reported Outcomes: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Study design Systematic review and meta-analysis. Objective This systematic review with meta-analysis is aimed at evaluating the impact of smoking (tobacco) on spinal fusion rates and the resulting PROMs. Methods Following the PRISMA guidelines, a systematic literature search was conducted in 4 databases. Studies focused on adult smokers vs non-smokers undergoing spinal fusion. Odds ratios (ORs) were calculated for dichotomous variables and mean differences or standardized mean differences for continuous variables. The primary outcomes assessed were non-union/pseudoarthrosis incidence and PROMs. Results A total of 29 studies were included in this analysis. The unadjusted incidence of pseudoarthrosis was significantly higher in smokers than in non-smokers (OR 1.97, 95% CI 1.55-2.52, P < 0.001). Subgroup analysis revealed significant differences in the cervical (OR 2.09, 95% CI 1.27-3.44, P < 0.05) and lumbar (OR 1.97, 95% CI 1.45-2.68, P < 0.001) regions. Adjusted analysis also showed a significantly higher incidence of pseudoarthrosis in smokers (OR 1.38, 95% CI 1.12-1.72, P < 0.05). Changes in ODI, VAS, EQ-5D, and SF-12 and SF-36, consistently favored nonsmoking patients. Smoking was associated with a lower rate of returning to work (OR 0.70, 95% CI 0.54-0.90, P < 0.05), and in the lumbar subgroup, reduced satisfaction (OR 0.24, 95% CI 0.12-0.49, P < 0.001). Former smokers (smoking cessation for at least 1 year prior to surgery) did not show significant differences compared to nonsmokers in terms of pseudarthrosis rate or pain scores. Conclusion Smoking is associated with an increased risk of pseudarthrosis and poorer PROMs after spinal fusion surgery. Healthcare providers should emphasize smoking cessation interventions to improve surgical outcomes and patient satisfaction.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 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 | 0,001 |
| 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 ».