Preoperative Cannabis Use Is Associated With Elevated Risk for Complications and Revision Surgery After Anterior Cervical Diskectomy and Fusion
Notice bibliographique
Résumé
BACKGROUND: Cannabis use has increased markedly in recent decades, with US adult usage doubling from 4.1% to 9.5% between 2001 and 2013, and 43% of young adults reporting use by 2021. As legalization expands and cannabis becomes more mainstream, its perioperative implications have become clinically relevant. Although the orthopaedic literature has begun exploring the effect of cannabis use, its effect on anterior cervical diskectomy and fusion (ACDF) remains underinvestigated. Given the widespread adoption of ACDF and the projected rise in spinal procedures, understanding cannabis-related risks is essential to optimizing surgical outcomes. METHODS: This retrospective cohort study used the TriNetX Research Network to identify patients undergoing primary ACDF from 2003 to 2023. Patients with cannabis use within 3 months before surgery were compared with matched nonusers using 1:1 propensity-score matching across key demographics and comorbidities. Outcomes included 90-day medical complications and healthcare utilization, as well as 2-year surgical outcomes including revision surgery, pseudarthrosis, and implant failure. RESULTS: After matching (n = 2,169 per group), cannabis users demonstrated significantly higher 90-day rates of dysphagia (7.10% vs. 5.40%, P = 0.03), infection (1.60% vs. 0.90%, P = 0.04), postprocedural pain (7.20% vs. 4.10%, P < 0.001), opioid use (48.0% vs. 25.0%, P = 0.03), and readmission (3.90% vs. 2.70%, P = 0.04). At 2 years, cannabis users had higher rates of revision surgery (7.82% vs. 5.15%, P = 0.001), pseudarthrosis (10.10% vs. 8.25%, P = 0.04), and implant failure (4.31% vs. 2.78%, P = 0.01). CONCLUSION: Preoperative cannabis use is associated with higher rates of medical and surgical complications, as well as an increased risk of revision surgery after ACDF. With cannabis use projected to rise markedly among surgical patients, these findings highlight its potential role as a modifiable risk factor, similar to tobacco use. Recognizing this association, incorporating evidence-based risk stratification, cannabis cessation counseling, and optimized perioperative care pathways may help reduce complication rates and improve fusion outcomes in patients undergoing ACDF.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».