检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:黄靖 王兵[1] 周子然 龚志强[1] HUANG Jing;WANG Bing;ZHOU Ziran
机构地区:[1]昆明医科大学第一附属医院骨科,昆明市650032
出 处:《中国脊柱脊髓杂志》2025年第2期209-213,共5页Chinese Journal of Spine and Spinal Cord
基 金:国家自然科学基金地区基金项目(编号82260449);云南省内分泌代谢疾病临床医学中心子课题(YWLCYXZXXYS-20221005)。
摘 要:骨质疏松性椎体压缩骨折(osteoporotic vertebral compression fractures,OVCFs)是由于原发性骨质疏松症导致椎体骨密度和骨质量下降,骨强度减低,在轻微外伤甚至没有明显外伤的情况下即发生的压缩骨折[1]。椎体强化术在缓解OVCFs症状方面已取得较为满意的疗效,但术后并发症的发生仍然不可忽视,常见的术后并发症包括术后残余腰背痛、骨水泥渗漏和再发椎体骨折,这些并发症严重影响患者的生活质量[2~4]。因此,如何识别并预防并发症的发生,成为亟待解决的问题。为此,许多学者展开了研究,开发了多种预测模型,以期更好地评估并发症风险。在这些模型中,既有基于Logistic回归和Lasso回归的经典预测模型,也有近年来随着人工智能技术发展而兴起的机器学习算法预测模型。这些模型各有特点,共同为医疗决策提供了有力的支持。笔者对OVCFs椎体强化术后常见并发症的预测模型进行归纳总结,旨在为临床工作者提供有关预防并发症的参考思路,以建立更符合临床实际的预测模型。
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.7