Lumbar decompression and stabilization in degenerative disease: essential preoperative examinations

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

BACKGROUND: There is currently no mandatory set of preoperative examinations for patients undergoing elective lumbar spine surgery for degenerative disorders, making it difficult to account for critical predictors and achieve predictable clinical and radiological outcomes.

AIM: The work aimed to define the scope of preoperative examinations in patients scheduled for decompression and stabilization surgery for degenerative lumbar spine disease.

METHODS: A retrospective cohort analysis was performed to identify predictors of successful outcomes following single-level decompression and stabilization. Based on the identified predictors and their threshold values, a set of essential preoperative examinations for decompression and stabilization surgery planning was developed. The effectiveness of the predictive model and the feasibility of the proposed set of preoperative examinations were assessed in a prospective patient cohort.

RESULTS: Multivariate analysis identified the following as significant predictors of treatment success: preoperative ODI score, preoperative HADS score, DN4 score, presence of interbody fusion, postoperative lower lumbar lordosis angle, bone mineral density in HU, and postoperative segmental angle. The threshold value for lower lumbar lordosis (Low LL, L4–S1) was 26° (sensitivity, 71.7%; specificity, 91.3%); the segmental angle (SL) threshold was 7° (sensitivity, 87.9%; specificity, 70.6%). The proposed set of essential preoperative examinations for single-level decompression and stabilization surgery planning includes clinical scales (ODI, HADS, DN4), standing spinal radiographs, and lumbar CT and MRI. This set of essential preoperative examinations resulted in a 9.3% increase in clinical success rate (from 74.8% to 84.1%).

CONCLUSION: The set of essential preoperative examinations includes three questionnaires (ODI, HADS, and DN4) and three imaging modalities (standing radiographs, lumbar CT, and lumbar MRI), all of which are typically available at specialized spinal surgery centers. This set is recommended for routine use by spine surgeons, given its role in achieving predictable success following single-level decompression and stabilization surgery of the lumbar spine.

作者简介

Olga Leonova

Priorov National Medical Research Centre for Traumatology and Orthopaedics

编辑信件的主要联系方式.
Email: onleonova@gmail.com
ORCID iD: 0000-0002-9916-3947
SPIN 代码: 4907-0634

MD, Cand. Sci. (Medicine)

俄罗斯联邦, 9 Novospasskiy per, Moscow, 115172

Evgenii Baykov

Priorov National Medical Research Centre for Traumatology and Orthopaedics

Email: Evgen-bajk@mail.ru
ORCID iD: 0000-0002-4430-700X
SPIN 代码: 5367-5438

MD, Cand. Sci. (Medicine)

俄罗斯联邦, 9 Novospasskiy per, Moscow, 115172

Aleksandr Krutko

Priorov National Medical Research Centre for Traumatology and Orthopaedics

Email: ortho-ped@mail.ru
ORCID iD: 0000-0002-2570-3066
SPIN 代码: 8006-6351

MD, Dr. Sci. (Medicine)

俄罗斯联邦, 9 Novospasskiy per, Moscow, 115172

参考

  1. Lafian AM, Torralba KD. Lumbar Spinal Stenosis in Older Adults. Rheum Dis Clin North Am. 2018;44(3):501–12. doi: 10.1016/j.rdc.2018.03.008
  2. Bagley C, Macallister M, Dosselman L, et al. Current concepts and recent advances in understanding and managing lumbar spine stenosis. F1000Research. 2019;8:F1000. doi: 10.12688/f1000research.16082.1
  3. Bulatov AV, Kozlov DM, Krutko AV, Akhmetyanov ShA. Efficacy of minimally invasive decompression and stabilization in surgical treatment of recurrent pain after lumbar spine surgery. Russian Journal of Spine Surgery. 2014;(2):60–6. doi: 10.14531/ss2014.2.60-66 EDN: VQIOAK
  4. Dong S, Zhu Y, Yang H, et al. Evaluation of the Predictors for Unfavorable Clinical Outcomes of Degenerative Lumbar Spondylolisthesis After Lumbar Interbody Fusion Using Machine Learning. Front Public Heal. 2022;10:835938. doi: 10.3389/fpubh.2022.835938
  5. Halicka M, Duarte R, Catherall S, et al. Predictors of Pain and Disability Outcomes Following Spinal Surgery for Chronic Low Back and Radicular Pain. Clin J Pain. 2022;38(5):368–80. doi: 10.1097/AJP.0000000000001033
  6. Alhaug OK, Dolatowski FC, Solberg TK, Lønne G. Predictors for failure after surgery for lumbar spinal stenosis: a prospective observational study. Spine J. 2023;23(2):261–70. doi: 10.1016/j.spinee.2022.10.010
  7. Krutko AV, Sanginov AJa. On the extent of preoperative radiological and ct examination of patients with degenerative diseases of the lumbar spine. Russian Journal of Spine Surgery. 2018;15(2):66–75. doi: 10.14531/ss2018.2.66-75
  8. Zou D, Sun Z, Zhou S, Zhong W, Li W. Hounsfield units value is a better predictor of pedicle screw loosening than the T-score of DXA in patients with lumbar degenerative diseases. Eur Spine J. 2020;29(5):1105–11. doi: 10.1007/s00586-020-06386-8
  9. Banitalebi H, Espeland A, Anvar M, et al. Reliability of preoperative MRI findings in patients with lumbar spinal stenosis. BMC Musculoskelet Disord. 2022;23(1):1–9. doi: 10.1186/s12891-021-04949-4
  10. Kreiner DS, Shaffer WO, Baisden JL, et al. An evidence-based clinical guideline for the diagnosis and treatment of degenerative lumbar spinal stenosis (update). Spine J. 2013;13(7):734–43. doi: 10.1016/j.spinee.2012.11.059
  11. Banitalebi H, Espeland A, Anvar M, et al. Reliability of preoperative MRI findings in patients with lumbar spinal stenosis. BMC Musculoskelet Disord. 2022;23(1):51. doi: 10.1186/s12891-021-04949-4
  12. Leonova ON, Baikov ES, Krutko AV. Minimal clinically important difference as a method for assessing the effectiveness of spinal surgery using scales and questionnaires: non-systematic literature review. Russian Journal of Spine Surgery. 2022;19(4):60–7. doi: 10.14531/ss2022.4.60-67 EDN: DTLRZQ
  13. Tan GH, Goss BG, Thorpe PJ, Williams RP. CT-based classification of long spinal allograft fusion. Eur Spine J. 2007;16(11):1875–81. doi: 10.1007/s00586-007-0376-0
  14. Leonova ON, Baikov ES, Peleganchuk AV, Krutko AV. Vertebral bone density in Hounsfield units as a predictor of interbody non-union and implant subsidence in lumbar circumferential fusion. Russian Journal of Spine Surgery. 2022;19(3):57–65. doi: 10.14531/ss2022.3.57-65 EDN: GZQCAY
  15. Krutko AV, Nazarenko AG, Balychev GE, Baykov ES, Leonova ON. Success predictors of decompressive surgical treatment for lumbar degenerative spinal canal stenosis. N.N. Priorov Journal of Traumatology and Orthopedics. 2024;31(1):67–80. doi: 10.17816/vto623807 EDN: ETMFRO
  16. Matz PG, Meagher RJ, Lamer T, et al. Guideline summary review: an evidence-based clinical guideline for the diagnosis and treatment of degenerative lumbar spondylolisthesis. Spine J. 2016;16(3):439–48. doi: 10.1016/j.spinee.2015.11.055
  17. Mlyavykh SG. Improving the diagnosis and surgical treatment of patients with symptomatic degenerative stenosis of the lumbar spine [dissertation]. Nizhny Novgorod; 2021. 329 p. (in Russ.). EDN: ALUSNN
  18. Klimov VS. Differentiated neuro-orthopaedic approach to surgical treatment of elderly and senile patients with degenerative pathology of the lumbar spine [dissertation]. Novosibirsk; 2021. 487 p. (in Russ.). EDN: WEYYDB

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Patient G.: a, preoperative standing lateral radiograph of the spine; b, preoperative sagittal and axial MRI of the lumbar spine; c, preoperative sagittal CT of the lumbar spine; d, postoperative sagittal and coronal CT of the lumbar spine; e, postoperative standing lateral radiograph of the spine.

下载 (336KB)
索引源数据

版权所有 © Eco-Vector, 2025

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».