Klinische Ergebnisse der vollendoskopischen und mikrochirurgischen Dekompression von lumbalen Spinalkanalstenosen

Abstract: Die Dekompression der Lendenwirbelsäule ist einer der am häufigsten durchgeführten Eingriffe in der Wirbelsäulenchirurgie. Die endoskopische Technik (FED) wird im Vergleich zum mikrochirurgischen Ansatz (MSD) als weniger invasiv für die Behandlung von Spinalkanalstenosen empfohlen. Wir haben einen gematchten Vergleich des Behandlungserfolgs unter Berücksichtigung klinischer, labortechnischer und radiologischer Prädiktoren durchgeführt. Weiterhin haben wir verschiedene auf künstlicher Intelligenz basierte Algorithmen untersucht, um zuverlässig vorherzusagen, ob ein Patient, der sich einer Dekompression der lumbalen Spinalkanalstenose unterzieht, eine verlängerte Verweildauer (LOS) haben wird. Wir schlossen in der initialen Analyse 88 konsekutive Patienten mit lumbaler zentraler Spinalstenose ein. Operationsbezogene Daten, Labordaten, patient-related outcome measures (PROMs) und radiologische Parameter wurden zu verschiedenen Zeitpunkten bis zum 1-Jahres-Follow-up extrahiert und im Rahmen von prädiktiven Modellen analysiert. Im Rahmen der darauffolgenden Analyse wurden n=236 Patienten analysiert. Die Krankenhausaufenthaltsklassen wurden mit verschiedenen Modellen vorhergesagt. Die Vorhersagegenauigkeit und der area under the curve (AUC) wurden berechnet. Außerdem entwickelten wir einen Entscheidungsbaum auf der Grundlage des CHAID-Algorithmus, um die Grenzwerte der Prädiktoren für die klinische Entscheidungsfindung zu untersuchen. FED war ähnlich erfolgreich wie MSD, obwohl FED in unserer monozentrischen Studie mit höheren Komplikationsraten verbunden war. Die Verteilung der Komplikationen deutet darauf hin, dass die chirurgische Lernkurve der Hauptfaktor für diese Ergebnisse ist. Die Algorithmen erreichten AUCs zwischen 67.5 % und 87.3 % für die Klassifizierung der LOS-Klassen. Die Analyse der Merkmalsbedeutung der Algorithmen zeigte, dass die Operationszeit das wichtigste Merkmal für die Vorhersage der LOS war. Ein auf CHAID basierender Entscheidungsbaum konnte 84.7 % der Fälle vorhersagen. Zukünftige prospektive Langzeitstudien, welche die chirurgische Lernkurve berücksichtigen, sind für einen zuverlässigen Vergleich dieser Techniken gerechtfertigt. Algorithmen für maschinelles Lernen und Deep Learning können vorhersagen, ob Patienten nach einer lumbalen Dekompressionsoperation eine längere Liegezeit haben werden. Daher können die medizinischen Ressourcen den Patienten, bei denen das Risiko einer verlängerten LOS besteht, angemessener zugewiesen werden

Angaben zum Objekt

• Standort: Deutsche Nationalbibliothek Frankfurt am Main
• Umfang: Online-Ressource
• Sprache: Deutsch
• Anmerkungen: Universität Freiburg, Dissertation, 2024

Klassifikation und Themen

• Schlagwort: Wirbelkanalstenose ; Chirurgie ; Mikrochirurgie ; Wirbelsäule ; Künstliche Intelligenz ; Prädiktor ; Minimal-invasive Chirurgie

Beteiligte, Orts- und Zeitangaben

• Ereignis: Veröffentlichung
• (wo): Freiburg
• (wer): Universität
• (wann): 2024
• Urheber: Ülkümen, Sara
• Beteiligte Personen und Organisationen: Lang, Gernot Michael ; Ruess, Dietrich Alexander ; Albert-Ludwigs-Universität Freiburg. Medizinische Fakultät

Weitere Informationen

• DOI: 10.6094/UNIFR/249547
• URN: urn:nbn:de:bsz:25-freidok-2495477
• Rechteinformation: Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Letzte Aktualisierung: 25.03.2025, 13:55 MEZ