Revistas / Journals

Marzo 28, 2017. No. 2642

Brit J of Pain Volume 11, Issue 1, February 2017 Revista / Journal International Journal of Critical Illness and Injury Science January-March 2017 Revista / Journal Pediatr Respirol Crit Care Med 2017;1:1 January-March 2017 Revista / Journal  Res Opin Anesth Intensive Care January-March 2017 Revista / Journal Perspect Clin Res 2017;8:55-7 Revista / Journal Saudi Journal of Anaesthesia (Saudi J Anaesth) 2017, April-June Revista / Journal Journal of   Anesthesia and Critical Care Open Access Volume 7 Issue 4 - 2017 Revista / Journal Curso sobre Anestesia en Trasplantes, Cirugía abdominal, Plástica, Oftalmología y Otorrinolaringología. Committee for European Education in Anaesthesiology (CEEA)  y el Colegio de Anestesiólogos de León A.C. Abril 7-9, 2017, León Guanajuato, México Informes  (477) 716 06 16, kikinhedz@gmail.com

Anestesiología y Medicina del Dolor 52 664 6848905 vwhizar@anestesia-dolor.org anestesia-dolor.org Copyright © 2015

Clasificación de los desgarres del manguito rotador

http://www.mihombroycodo.com.mx/academia/clasificacion-de-los-desgarres-del-manguito-rotador/

Rotator Cuff Tear Classification

Fuente
Este artículo es originalmente publicado en:

https://youtu.be/VLpetf0nV6U

De Y todos los derechos reservados para:

Courtesy: Prof Nabil Ebraheim, University of Toledo, Ohio, USA

Follow me on twitter:
https://twitter.com/#!/DrEbraheim_UTMC

Donate to the University of Toledo Foundation Department of Orthopaedic Surgery Endowed Chair Fund:
https://www.utfoundation.org/foundati…

• Categoría
• Licencia

• Educación

• Licencia estándar de YouTube

#desgarres#manguito rotador

Asociaciones entre sarcopenia y escoliosis lumbar degenerativa en mujeres mayores

http://www.cirugiavertebral.com.mx/academia/asociaciones-entre-sarcopenia-y-escoliosis-lumbar-degenerativa-en-mujeres-mayores/

Associations between sarcopenia and degenerative lumbar scoliosis in older women

Fuente

Este artículo es originalmente publicado en:

https://www.ncbi.nlm.nih.gov/pubmed/28331906

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5356321/

De:

Eguchi Y1, Suzuki M1, Yamanaka H1, Tamai H1, Kobayashi T1, Orita S2, Yamauchi K2, Suzuki M2, Inage K2, Fujimoto K2, Kanamoto H2, Abe K2, Aoki Y3, Toyone T4, Ozawa T4, Takahashi K2, Ohtori S2.

Scoliosis Spinal Disord. 2017 Mar 16;12:9. doi: 10.1186/s13013-017-0116-0. eCollection 2017.

Todos los derechos reservados para:

Copyright and License information ▼

Copyright © The Author(s). 2017

Open AccessThis article is distributed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license, and indicate if changes were made. The Creative Commons Public Domain Dedication waiver (http://creativecommons.org/publicdomain/zero/1.0/) applies to the data made available in this article, unless otherwise stated.

Abstract

BACKGROUND:

Age-related sarcopenia can cause various forms of physical disabilities. We investigated how sarcopenia affects degenerative lumbar scoliosis (DLS) and lumbar spinal canal stenosis (LSCS).

CONCLUSIONS:

Sarcopenia complications were noted in 16% of LSCS patients and a much higher percentage, or 46.6%, of DLS patients. Appendicular and trunk SMIs were both lower in DLS, suggesting that sarcopenia may be involved in scoliosis. The appendicular skeletal muscle was related to posterior pelvic tilt, while the trunk muscle affected stooped posture, posterior pelvic tilt, lumbar scoliosis, and vertebral rotation. Decreases in trunk muscle mass were also associated with osteoporosis. Moreover, RDQ had a negative correlation with appendicular skeletal muscle mass and a positive correlation with PT, suggesting that sarcopenia may be associated with low back pain as a result of posterior pelvic tilt. Our research reveals for the first time how sarcopenia is involved in spinal deformations, suggesting decreases in pelvic/lumbar support structures such as trunk and appendicular muscle mass may be involved in the progression of spinal deformities and increased low back pain.

KEYWORDS:

Adult spinal deformity; Low back pain; Sagittal alignment; Sarcopenia; Skeletal muscle

Resumen

ANTECEDENTES:

La sarcopenia relacionada con la edad puede causar diversas formas de discapacidad física. Se investigó cómo la sarcopenia afecta la escoliosis lumbar degenerativa (DLS) y la estenosis del canal espinal lumbar (LSCS).

CONCLUSIONES:

Se observaron complicaciones de sarcopenia en el 16% de los pacientes con LSCS y un porcentaje mucho mayor, o 46,6%, de los pacientes con DLS. Los SMIs apendiculares y de tronco fueron ambos más bajos en DLS, lo que sugiere que la sarcopenia puede estar involucrada en la escoliosis. El músculo esquelético apendicular se relacionó con la inclinación pélvica posterior, mientras que el músculo del tronco afectó la postura encorvada, la inclinación pélvica posterior, la escoliosis lumbar y la rotación vertebral. Las disminuciones en la masa muscular del tronco también se asociaron con la osteoporosis. Por otra parte, RDQ tuvo una correlación negativa con la masa del músculo esquelético apendicular y una correlación positiva con PT, lo que sugiere que la sarcopenia puede estar asociada con dolor lumbar como resultado de la inclinación pélvica posterior. Nuestra investigación revela por primera vez cómo la sarcopenia está involucrada en las deformaciones espinales, lo que sugiere disminuciones en las estructuras de apoyo pélvico / lumbar como el tronco y la masa muscular apendicular puede estar involucrado en la progresión de las deformidades espinales y el aumento del dolor lumbar.

PALABRAS CLAVE:

Deformidad espinal adulta; Dolor lumbar; Alineación sagital; Sarcopenia; Músculo esquelético

PMID:  28331906   PMCID:  PMC5356321   DOI:   10.1186/s13013-017-0116-0

Free PMC Article

Desarrollo de un modelo predictivo preoperatorio para complicaciones mayores tras la cirugía de deformidad de la columna vertebral

http://www.columnavertebralpediatricaygeriatrica.com.mx/columna-del-adulto/desarrollo-de-un-modelo-predictivo-preoperatorio-para-complicaciones-mayores-tras-la-cirugia-de-deformidad-de-la-columna-vertebral/

Development of a preoperative predictive model for major complications following adult spinal deformity surgery

Fuente
Este artículo es originalmente publicado en:

https://www.ncbi.nlm.nih.gov/pubmed/28338449

http://thejns.org/doi/abs/10.3171/2016.10.SPINE16197?url_ver=Z39.88-2003&rfr_id=ori:rid:crossref.org&rfr_dat=cr_pub%3dpubmed

De:

Scheer JK¹, Smith JS², Schwab F³, Lafage V³, Shaffrey CI², Bess S⁴, Daniels AH⁵, Hart RA⁶, Protopsaltis TS⁴, Mundis GM Jr⁷, Sciubba DM⁸, Ailon T², Burton DC⁹, Klineberg E¹⁰, Ames CP¹¹; International Spine Study Group.

J Neurosurg Spine. 2017 Mar 24:1-8. doi: 10.3171/2016.10.SPINE16197. [Epub ahead of print]

Todos los derechos reservados para:

© Copyright 1944-2017 American Association of Neurological Surgeons

Abstract

OBJECTIVE

The operative management of patients with adult spinal deformity (ASD) has a high complication rate and it remains unknown whether baseline patient characteristics and surgical variables can predict early complications (intraoperative and perioperative [within 6 weeks]). The development of an accurate preoperative predictive model can aid in patient counseling, shared decision making, and improved surgical planning. The purpose of this study was to develop a model based on baseline demographic, radiographic, and surgical factors that can predict if patients will sustain an intraoperative or perioperative major complication. METHODS This study was a retrospective analysis of a prospective, multicenter ASD database. The inclusion criteria were age ≥ 18 years and the presence of ASD. In total, 45 variables were used in the initial training of the model including demographic data, comorbidities, modifiable surgical variables, baseline health-related quality of life, and coronal and sagittal radiographic parameters. Patients were grouped as either having at least 1 major intraoperative or perioperative complication (COMP group) or not (NOCOMP group). An ensemble of decision trees was constructed utilizing the C5.0 algorithm with 5 different bootstrapped models. Internal validation was accomplished via a 70/30 data split for training and testing each model, respectively. Overall accuracy, the area under the receiver operating characteristic (AUROC) curve, and predictor importance were calculated. RESULTS Five hundred fifty-seven patients were included: 409 (73.4%) in the NOCOMP group, and 148 (26.6%) in the COMP group. The overall model accuracy was 87.6% correct with an AUROC curve of 0.89 indicating a very good model fit. Twenty variables were determined to be the top predictors (importance ≥ 0.90 as determined by the model) and included (in decreasing importance): age, leg pain, Oswestry Disability Index, number of decompression levels, number of interbody fusion levels, Physical Component Summary of the SF-36, Scoliosis Research Society (SRS)-Schwab coronal curve type, Charlson Comorbidity Index, SRS activity, T-1 pelvic angle, American Society of Anesthesiologists grade, presence of osteoporosis, pelvic tilt, sagittal vertical axis, primary versus revision surgery, SRS pain, SRS total, use of bone morphogenetic protein, use of iliac crest graft, and pelvic incidence-lumbar lordosis mismatch. CONCLUSIONS A successful model (87% accuracy, 0.89 AUROC curve) was built predicting major intraoperative or perioperative complications following ASD surgery. This model can provide the foundation toward improved education and point-of-care decision making for patients undergoing ASD surgery.

KEYWORDS:

ANN = artificial neural network; ASA = American Society of Anesthesiologists; ASD; ASD = adult spinal deformity; AUROC = area under the receiver operating characteristic; BMI = body mass index; BMP = bone morphogenetic protein; CCI = Charlson Comorbidity Index; HRQOL = health-related quality of life; MCS = Mental Component Summary of the SF-36; NRS = numeric rating scale; ODI = Oswestry Disability Index; PCS = Physical Component Summary of the SF-36; PI-LL = pelvic incidence–lumbar lordosis mismatch; PT = pelvic tilt; SRS = Scoliosis Research Society; SRS-22r = SRS-22r questionnaire; SVA = sagittal vertical axis; T1PA = T-1 pelvic angle; TK = thoracic kyphosis; adult spinal deformity; complications; decision tree; predictive modeling; sagittal malalignment; scoliosis

Resumen

OBJETIVO

El manejo quirúrgico de pacientes con deformidad espinal adulta tiene una alta tasa de complicaciones y no se sabe si las características basales del paciente y las variables quirúrgicas pueden predecir complicaciones precoces (intraoperatorias y perioperatorias). El desarrollo de un modelo predictivo preoperatorio preciso puede ayudar en el asesoramiento del paciente, la toma de decisiones compartida y la planificación quirúrgica mejorada. El propósito de este estudio fue desarrollar un modelo basado en factores basales demográficos, radiográficos y quirúrgicos que puedan predecir si los pacientes sufrirán una complicación mayor intraoperatoria o perioperatoria.

MÉTODOS

Este estudio fue un análisis retrospectivo de una base de datos prospectiva, multicéntrica ASD. Los criterios de inclusión fueron edad ≥ 18 años y la presencia de TEA. En total, se utilizaron 45 variables en la formación inicial del modelo, incluyendo datos demográficos, comorbilidades, variables quirúrgicas modificables, calidad de vida basal de salud y parámetros radiológicos coronales y sagitales. Los pacientes se agruparon como teniendo al menos una complicación intraoperatoria o perioperatoria mayor (grupo COMP) o no (grupo NOCOMP). Se construyó un conjunto de árboles de decisión utilizando el algoritmo C5.0 con 5 modelos bootstrap diferentes. La validación interna se realizó mediante una división de datos de 70/30 para el entrenamiento y la prueba de cada modelo, respectivamente. Se calculó la precisión global, el área bajo la curva característica de operación del receptor (AUROC) y la importancia del predictor.

Resultados

Se incluyeron 500 pacientes: 409 (73,4%) en el grupo NOCOMP y 148 (26,6%) en el grupo COMP. La exactitud total del modelo fue de 87,6% correcta con una curva AUROC de 0,89 indicando un muy buen ajuste del modelo. Se determinó que veinte variables eran los principales predictores (importancia ≥ 0,90 según lo determinado por el modelo) e incluyeron (en importancia decreciente): edad, dolor en las piernas, índice de discapacidad de Oswestry, número de niveles de descompresión, número de niveles de fusión intersomática De la SF-36, la Sociedad de Investigación de Escoliosis (SRS), el tipo de curva coronaria de Chwab, el índice de comorbilidad de Charlson, la actividad SRS, el ángulo pélvico T-1, el grado de la Sociedad Americana de Anestesiólogos, la presencia de osteoporosis, la inclinación pélvica, el eje vertical sagital, Cirugía de revisión, dolor SRS, SRS total, uso de proteína morfogenética ósea, uso de injerto de cresta ilíaca e incompatibilidad lordosis lumbar incidencia pélvica.

CONCLUSIONES

Un modelo exitoso (87% de precisión, 0,89 curva AUROC) fue construido predicción de grandes complicaciones intraoperatorias o perioperatorias después de la cirugía de ASD. Este modelo puede proporcionar la base para mejorar la educación y la toma de decisiones en el punto de atención para los pacientes sometidos a cirugía ASD.

PALABRAS CLAVE:

ANN = red neuronal artificial; ASA = Sociedad Americana de Anestesiólogos; ASD;ASD = deformidad espinal adulta; AUROC = área bajo la característica de operación del receptor; IMC = índice de masa corporal; BMP = proteína morfogenética ósea; ICC = Índice de Comorbilidad de Charlson; CVRS = calidad de vida relacionada con la salud; MCS = Componente Mental Resumen del SF-36; NRS = escala numérica de calificación; ODI = índice de discapacidad de Oswestry; PCS = Componente físico Resumen del SF-36; PI-LL = desajuste de lordosis incidencia pélvica lumbar; PT = inclinación pélvica; SRS = Sociedad de Investigación de Escoliosis; SRS-22r = cuestionario SRS-22r; SVA = eje vertical sagital; T1PA = T-1 ángulo pélvico; TK = cifosis torácica; Deformidad espinal en adultos; Complicaciones; árbol de decisión; Modelado predictivo; Mala alineación sagital; escoliosis

PMID:   28338449   DOI:  

10.3171/2016.10.SPINE16197

#modelo predictivo preoperatorio#escoliosis#columna vertebral