Complications in Minimally Invasive Spine Surgery (2013–2024): Lumbar Spine—Tubular Minimally Invasive Techniques
Notice bibliographique
Résumé
STUDY DESIGN: Systematic review and proportional meta-analysis. OBJECTIVE: To quantify overall and specific complication rates associated with tubular minimally invasive spine surgery (MISS) for lumbar pathologies over the past decade. SUMMARY OF BACKGROUND DATA: Tubular MISS is widely used for lumbar pathologies due to its reduced tissue disruption and faster recovery compared with open surgery. However, reported complication rates vary, and pooled estimates for specific complications remain limited. MATERIALS AND METHODS: A systematic search of PubMed, Medline, Embase, and the Cochrane Library (January 2013-March 2024) was conducted following PRISMA guidelines. Studies were included if they involved 10 adult patients undergoing tubular lumbar MISS and provided extractable complication data. A random-effects model was used to pool complication rates, and study quality was assessed using the Cochrane Risk of Bias Tool and Newcastle-Ottawa Scale. All analyses were done using R studio. RESULTS: Seventy-five studies involving ∼12,600 patients were included in the analysis. The complication rate was 10% (95% CI: 8%-14%, I2=93%). Specific complication rates were: dural tears 4% (95% CI: 3%-5%, I2=69%) in 56 studies (6651 patients); nerve injuries 1% (95% CI: 1%-3%, I2=70%) in 41 studies (5278 patients); postoperative hematoma 1% (95% CI: 1%-2%, I2=31%) in 19 studies (2454 patients); surgical site infections 1% (95% CI: 0%-1%, I2=27%) in 46 studies (10,439 patients); revision surgeries 2% (95% CI: 2%-3%, I2=77%) in 43 studies (8948 patients); and disc reherniation 3% (95% CI: 1%-7%, I2=84%) in 14 studies (1928 patients). CONCLUSION: This meta-analysis provides a comprehensive overview of complication rates in tubular lumbar MISS, revealing generally low rates but significant heterogeneity across studies. These findings offer valuable insights for patient counseling and surgical planning, though individual patient factors and surgeon experience should be considered.
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 | 0,018 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,040 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».