Verletzungen der subaxialen Halswirbelsäule
Bibliographic record
Abstract
Zusammenfassung Die untere Halswirbelsäule (HWS) ist anfällig für Verletzungen, die 2,5–5% aller knöchernen Verletzungen ausmachen. Statistiken zeigen, dass 20–50% aller Wirbelsäulenverletzungen die HWS betreffen, wobei 50–70% auf die untere HWS entfallen. In Deutschland gab es 2018 rund 11.528 stationäre Behandlungen aufgrund von Halswirbelsäulenfrakturen, mit steigender Tendenz. Rückenmarkverletzungen bei HWS-Verletzungen treten mit etwa 10–12% auf, wobei das Risiko im Vergleich zu Brust- und Lendenwirbelverletzungen dreifach höher ist. Sportliche Aktivitäten, Verkehrsbeteiligung und Stürze über 2 m Höhe erhöhen das Risiko signifikant. Begleitverletzungen sind in bis zu 80% der Fälle vorhanden und betreffen andere Wirbelsäulenabschnitte, Schädel-Hirn-Trauma und Extremitäten. Die Segmente C5–6 und C6–7 sind am häufigsten betroffen. Die AO Spine-Klassifikation für subaxiale HWS-Verletzungen, eingeführt 2015, berücksichtigt Facettenverletzungen und neurologischen Status. Diagnostisch ist die Canadian-C-Spine-Rule relevant, während die CT für die primäre HWS-Bildgebung bevorzugt wird. Therapieoptionen umfassen konservative Ansätze für nicht dislozierte Frakturen, während operative Eingriffe, ventral oder dorsal, bei instabilen Verletzungen erforderlich sind. Die Wahl der Therapie hängt von verschiedenen Faktoren ab, darunter die Art der Verletzung und der neurologische Status. Die Prognose nach HWS-Verletzungen variiert je nach Grad der neurologischen Beteiligung. Ohne Rückenmarkverletzung erzielen die meisten Patienten gute Ergebnisse, während Rückenmarkverletzungen die Lebensqualität negativ beeinflussen. Die Rückkehr in den Beruf gelingt in vielen Fällen, und radikuläre Läsionen heilen häufig symptomfrei aus. Relevante Nackenschmerzen sind jedoch in etwa 20% der Fälle nach 2,5 Jahren zu verzeichnen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".