在生长棒手术后的早期脊椎形症中,对宫平衡的机器学习分析:一项病例对照研究

科学领域:

• 整形外科 整形外科 整形外科
• 脊柱外科手术 脊柱外科手术
• 儿科变形症 儿童变形症

背景情况:

• 早期发病的脊柱脊椎病 (EOS) 需要复杂的手术管理,通常涉及生长的杆子.
• 脊椎手术可能会影响宫斜对齐,特别是在成长的患者中.
• 了解影响宫对齐后治疗的因素对于优化结果至关重要.

研究的目的:

• 在EOS患者的生长棒治疗后,分析宫斜对齐的变化.
• 通过机器学习,识别出患上松性宫失衡的危险因素.

主要方法:

• 对138名用生长棒治疗的EOS患者 (2007-2019) 的回顾性审查.
• 放射性参数 (椎位,T1斜率,C2-7SVA等等) 进行检测. 在术前和术后进行评估.
• 用于基于机器学习的风险因素识别的Sparse添加机 (SAM).

主要成果:

• 在治疗后观察到宫带病 (CL),T1斜率和C2-7 SVA的显著增加.
• 患有近端结节 (PJK) 的患者显示CL和T1斜率的增加较大.
• 机器学习确定了手术后的PJK,增加的胸部囊和T1斜率作为宫失衡的危险因素.

结论:

• 生长棒手术显著改变了EOS的部角对齐.
• 手术后的PJK和更大的胸部形纠正与宫斜不平衡的风险增加有关.
• 这些发现凸显了监测宫对齐和管理PJK在EOS患者接受生长棒治疗的重要性.