Dit protocol beschrijft een gestandaardiseerde methode op basis van magnetic resonance imaging voor het diagnosticeren van epidurale lipomatose en het voorspellen van het risico daarop bij patiënten met degeneratieve lumbal spondylolisthesis.
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Methodenartikel
Op MRI gebaseerd diagnostisch protocol en risicovoorspelling voor epidurale lipomatose bij degeneratieve lumbale spondylolisthesis
* These authors contributed equally
In dit artikel
Samenvatting
Samenvatting
Dit protocol presenteert een gestandaardiseerde diagnostische benadering op basis van magnetic resonance imaging (MRI) voor epidurale lipomatose bij patiënten met degeneratieve lumbal spondylolisthesis (DLS) en beschrijft de ontwikkeling van een klinisch risicovoorspellingsmodel. Opeenvolgende patiënten met DLS ondergingen een gestandaardiseerde MRI-evaluatie, inclusief T1-gewogen sequenties voor de detectie van epidurale lipomatose, Goutallier-gradatie van vetinfiltratie van de musculus multifidus en radiografische beoordeling. De studiecohort werd onderverdeeld in een modelleringscohort (n = 248) en een validatiecohort (n = 106). Onafhankelijke predictoren werden geïdentificeerd via univariate screening gevolgd door multivariabele binaire logistische regressie. Voor een transparante rapportage worden de effecten van leeftijd en body mass index (BMI) respectievelijk uitgedrukt per toename van 10 jaar en per 5 kg/m2. De voorspellingsvergelijking voor klinisch gebruik wordt gepresenteerd met algebraïsch equivalente ruwe-eenheidscoëfficiënten, zodat leeftijd (jaren) en BMI (kg/m2) rechtstreeks kunnen worden ingevoerd. Vijf onafhankelijke predictoren werden geïdentificeerd: leeftijd (odds ratio [OR] = 1,510 per toename van 10 jaar), vrouwelijk geslacht (OR = 2,354), BMI (OR = 1,874 per toename van 5 kg/m2), betrokkenheid van het L5-segment (OR = 3,766) en Goutallier-graad 3-4 (OR = 3,184). Het model behaalde area under the receiver operating characteristic curve-waarden van 0,834 in het modelleringscohort en 0,815 in het validatiecohort. Kalibratie- en decision curve-analyses ondersteunden het model als een verkennend instrument voor klinische beslissingsondersteuning; externe validatie is echter vereist voordat brede klinische implementatie kan plaatsvinden. Dit protocol biedt een reproduceerbaar MRI-gebaseerd kader voor de beoordeling van epidurale lipomatose met een geïntegreerde voorspellingstool die klinische en radiografische parameters combineert om gestandaardiseerde evaluatie en geïndividualiseerde risicovoorspelling bij patiënten met DLS te faciliteren.
Inleiding
Degeneratieve lumbale spondylolisthesis (DLS) treft 4%–8% van de algemene bevolking, waarbij de prevalentie aanzienlijk stijgt na het vijfde decennium van het leven1,2. DLS wordt gedefinieerd door een anterieure wervelverschuiving ten opzichte van de onderliggende wervel met een intacte posterieure neurale boog en leidt frequent tot spinale kanaalstenose en neurogene claudicatio, wat de mobiliteit, spierkracht en kwaliteit van leven van de patiënt aanzienlijk beperkt3. Onder de geassocieerde beeldvormingskenmerken is het teken van epidurale lipomatose — gekenmerkt door een bandvormig hyperintens vetsignaal op midsagittale T1-gewogen MRI-beelden op het niveau van de verschuiving — een belangrijke radiografische indicator die de herkenning van de aandoening en de beoordeling van de ernst kan vergemakkelijken. Epidurale lipomatose werd traditioneel geassocieerd met het toedienen van glucocorticoïden, blootstelling aan epidurale steroïden of endocriene stoornissen zoals het syndroom van Cushing4,5,6. Echter, het wordt steeds vaker gedocumenteerd bij personen met obesitas of metabool syndroom zonder steroïdblootstelling7,8,9,10, wat suggereert dat metabole en biomechanische factoren een aanzienlijke etiologische rol spelen. Een recente systematische review vatte diverse etiologieën en klinische uitkomsten samen in gerapporteerde casussen11, en symptomatische verbetering na gewichtsverlies is eveneens gedocumenteerd12. Er zijn eerder MRI-gebaseerde graderings- en kwantitatieve beoordelingsmethoden voor spinale epidurale lipomatose beschreven, waaronder benaderingen op basis van de axiale ratio tussen epiduraal vet en de thecale zak, en locoregionale graderingssystemen13,14. Desalniettemin is er nog geen gestandaardiseerd MRI-gebaseerd protocol vastgesteld specifiek voor de systematische evaluatie van epidurale lipomatose bij patiënten met DLS. De interpretatie blijft daarom afhankelijk van de operateur, zonder consistente diagnostische criteria die zijn afgestemd op deze patiëntenpopulatie; de klinische determinanten die getroffen personen onderscheiden van niet-getroffen personen zijn onvolledig gekarakteriseerd, en clinici beschikken niet over een praktisch instrument voor risicoschatting tijdens de initiële evaluatie.
Om deze tekortkomingen aan te pakken, stelt het huidige protocol een gestandaardiseerd, klinisch toepasbaar kader vast voor MRI-gebaseerde beoordeling van epidurale lipomatose bij patiënten met DLS. Het protocol integreert klinische parameters, vooraf gedefinieerde MRI-diagnostische criteria met specifieke beeldacquisitieparameters, beoordeling van de paraspinale musculatuur met behulp van een op de wervelkolom aangepaste Goutallier-graderingsmethode, axiale bevestigende beoordeling van compressie van de thecaalsac en een voorspellend model voor risicostratificatie aan het bed. Het Manjila-graderingssysteem wordt erkend als een belangrijk locoregionaal referentiekader omdat het de craniocaudale uitbreiding op sagittale beelden en de axiale ernst evalueert met behulp van een beoordeling op basis van een 3 × 3 grid, wat kan bijdragen aan de chirurgische planning en het onderscheid kan vergemakkelijken tussen dorsale, ventrale en circumferentiële epidurale vetdistributie14,15,16. Het huidige protocol is niet bedoeld om bestaande graderingssystemen voor spinale epidurale lipomatose te vervangen; in plaats daarvan biedt het een gerichte workflow voor DLS-gerelateerde slipped levels, terwijl axiale en locoregionale kenmerken worden gedocumenteerd wanneer dit klinisch relevant is. Deze aanpak is bedoeld om een meer reproduceerbare evaluatie van epidurale lipomatose te bevorderen, terwijl gestandaardiseerde beeldbeoordeling en geïndividualiseerde klinische risicoschatting bij patiënten met DLS worden ondersteund.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
Dit MRI-protocol is ontworpen voor een supergeleidende scanner van 1,5 Tesla, uitgerust met een speciale 16-kanaals wervelkolomoppervlakspoel. Het protocol kan worden aangepast aan andere 1,5 of 3,0 T-systemen met equivalente hardware. Alle procedures zijn uitgevoerd in overeenstemming met de Verklaring van Helsinki en zijn goedgekeurd door de Institutional Review Board van het Tianjin Union Medical Center (goedkeuringsnummer: 2024-IRB-089).
1. Patiëntselectie en klinische evaluatie
- Vraag goedkeuring aan bij de Institutional Review Board en de ethische commissie vóór de inschrijving van patiënten. Zorg ervoor dat alle procedures met menselijke participanten voldoen aan de Verklaring van Helsinki. Documenteer het goedkeuringsnummer (2024-IRB-089) in alle studierekords.
OPMERKING: De vereiste voor individuele geïnformeerde toestemming kan worden geschrapt wanneer de studie gebruikmaakt van volledig gedeïdentificeerde, reeds bestaande klinische gegevens en beeldvormingsdatasets, mits deze vrijstelling voldoet aan het institutionele beleid en de nationale regelgeving voor het secundaire gebruik van klinische gegevens. Vraag expliciete goedkeuring voor de vrijstelling aan bij de ethische commissie. Verkrijg ethische goedkeuring voordat u overgaat tot de inschrijving van patiënten. - Screen opeenvolgende patiënten die zich melden bij de afdeling wervelkolomschirurgie met een bevestigde diagnose van DLS. Beoordeel staande laterale of flexie-extensieradiografieën om anterieure vertebrale glijding van ≥3 mm of ≥10% van de breedte van het wervellichaam te bevestigen.
- Verifieer degeneratieve veranderingen op het betreffende niveau, inclusief intervertebrale schijfdegeneratie en facetgewrichtshypertrofie17. Bevestig de afwezigheid van een pars interarticularis defect op laterale radiografieën en sagittale MRI.
- Schrijf patiënten in in de leeftijd van 18–85 jaar die binnen 2 weken na de klinische beoordeling een standaard lumbale MRI hebben ondergaan (sagittale T1-gewogen, sagittale T2-gewogen en axiale T2-gewogen sequenties). Sluit patiënten uit die in de voorafgaande 6 maanden een spinale operatie of epidurale steroïdeninjectie hebben ondergaan.
- Meet de anterieure vertebrale glijding op staande laterale of flexie-extensieradiografieën met behulp van de methode van de posterieure wervellichaamslijn. Trek een verticale referentielijn langs de posterieure cortex van het caudale wervellichaam en meet vervolgens de loodrechte afstand van deze lijn tot de postero-inferieure hoek van de gegleden craniale wervel. Noteer de verplaatsing in millimeters en, indien vereist, als een percentage van de anteroposterieure breedte van het caudale wervellichaam.
- Sluit patiënten uit met niet-degeneratieve spondylolisthesis (isthmische, traumatische, pathologische, postoperatieve, of ontwikkelings- of anatomische nabootsingen zoals een hypoplastisch L5-wervellichaam en L5–S1 pseudolisthesis), glucocorticoidgebruik gedurende >3 cumulatieve maanden in het voorgaande jaar, of bevestigd endogeen hypercortisolisme (syndroom van Cushing, adrenocorticaal adenoom of hypofyse-adrenocorticotrope hormoon-secreterende tumor).
- Sluit patiënten uit die in de voorafgaande 6 maanden anabole steroïden of testosteronsuppletietherapie hebben ontvangen. Sluit MRI-onderzoeken uit met onvoldoende beeldkwaliteit, inclusief bewegingsartefacten graad II of hoger of onvolledige lumbosacrale dekking.
- Sluit patiënten uit met ernstig cardiopulmonaal of renaal insufficiëntie (American Society of Anesthesiologists Physical Status Class IV–V), actieve infectie of contra-indicaties voor MRI.
WAARSCHUWING: Voer een volledige MRI-veiligheidsscreening uit vóór het betreden van de scanner. Sluit patiënten uit met MRI-incompatibele geïmplanteerde apparaten. - Gradeer bewegingsartefacten met behulp van een beeldkwaliteitsschaal met vier niveaus: graad 0 = geen zichtbaar artefact; graad I = mild artefact zonder diagnostische beperking; graad II = matig artefact dat anatomische marges of meetpunten maskeert; en graad III = ernstig artefact waardoor de sequentie niet-diagnostisch is. Sluit onderzoeken uit met graad II of III artefacten in enige sequentie die vereist is voor de uitkomstclassificatie, of herhaal de betreffende sequentie voordat het onderzoek in de studie wordt opgenomen.
- Extraheer klinische gegevens uit de database van het elektronisch medisch dossier (EMR) en het Picture Archiving and Communication System (PACS) met behulp van een gestandaardiseerd REDCap-gegevensverzamelingsformulier, ingevuld door twee getrainde onderzoeksassistenten.
- Noteer leeftijd (jaren), geslacht (man/vrouw), body mass index (BMI; kg/m2) en het gegleden segment (L3, L4 of L5).
- Noteer de duur van de symptomen, de aanwezigheid van neurogene claudicatio en eerdere conservatieve behandelingen.
- Laat twee getrainde onderzoeksassistenten onafhankelijk klinische variabelen uit het EMR en PACS extraheren naar dubbele REDCap-formulieren. Vergelijk de twee formulieren na de data-extractie en los inconsistenties op door naar de brondocumenten te verwijzen. Leg onopgeloste inconsistenties voor aan een senior onderzoeker voor besluitvorming.
- Identificeer ontbrekende of onvolledige variabelen tijdens REDCap-bereik- en volledigheidscontroles. Verifieer ontbrekende waarden aan de hand van het EMR, PACS en de oorspronkelijke beeldvormingsrapporten. Sluit een patiënt alleen uit van modelontwikkeling wanneer een vereiste predictor, uitkomstvariabele of essentiële MRI-sequentie niet kan worden teruggevonden. Voer geen statistische imputatie uit voor vereiste modelvariabelen.
- Wijs geschikte patiënten willekeurig toe aan de modelleringscohort (n = 248) en de validatiecohort (n = 106) met een allocatieratio van 7:3 in SPSS versie 27.0 met een random seed van 42.
- Classificeer patiënten binnen de modelleringscohort in groepen met epidurale lipomatose en zonder lipomatose volgens de consensusdiagnose van twee senior rugradiologen met >10 jaar ervaring, volgend het MRI-interpretatieprotocol beschreven in Stap 3.
- Stel in SPSS versie 27.0 de random seed in op 42, selecteer Transform > Compute Variable en genereer een uniforme willekeurige variabele met behulp van RV.UNIFORM(0,1). Sorteer de gevallen in oplopende volgorde volgens deze variabele, wijs de eerste 70% van de geschikte gevallen toe aan de modelleringscohort en de overige 30% aan de validatiecohort, en behoud de allocatievariabele ongewijzigd voor alle daaropvolgende analyses.
- Gebruik eenvoudige willekeurige allocatie in plaats van gestratificeerde randomisatie. Forceer geen balans van baseline demografische, radiografische of MRI-variabelen tijdens de cohorttoewijzing.
- Vergelijk na willekeurige allocatie de baseline demografische, klinische, radiografische en MRI-variabelen tussen de modellerings- en validatiecohorten met behulp van de Student t-toets of de chi-kwadraattoets, naar gelang van toepassing. Beschouw de allocatie als acceptabel wanneer er geen klinisch betekenisvolle onbalans wordt geïdentificeerd, en rapporteer de beoordeling van de cohortvergelijkbaarheid in Tabel 1.
OPMERKING: Voltooi de cohortallocatie nadat alle geschiktheidscriteria zijn geverifieerd.
| Variabele | Modelleringscohort (n = 248) | Validatiecohort (n = 106) | t/χ2 | P-waarde |
| Leeftijd (jaar) | 67,87 ± 11,39 | 68,16 ± 11,93 | 0,216 | 0,829 |
| Geslacht, n (%) | 0,002 | 0,966 | ||
| Man | 96 (38,71) | 42 (39,62) | ||
| Vrouw | 152 (61,29) | 64 (60,38) | ||
| Body mass index (kg/m²) | 24,88 ± 3,62 | 24,91 ± 3,48 | 0,077 | 0,939 |
| Gesublimeerd segment, n (%) | 0,564 | 0,754 | ||
| L3 | 31 (12,50) | 14 (13,21) | ||
| L4 | 149 (60,08) | 67 (63,21) | ||
| L5 | 68 (27,42) | 25 (23,58) | ||
| Pfirrmann-graad, n (%) | 0,104 | 0,991 | ||
| Graad II | 18 (7,26) | 8 (7,55) | ||
| Graad III | 74 (29,84) | 33 (31,13) | ||
| Graad IV | 93 (37,50) | 38 (35,85) | ||
| Graad V | 63 (25,40) | 27 (25,47) | ||
| Goutallier-graad, n (%) | 3,022 | 0,388 | ||
| Graad 1 | 78 (31,45) | 27 (25,47) | ||
| Graad 2 | 86 (34,68) | 33 (31,13) | ||
| Graad 3 | 52 (20,97) | 28 (26,42) | ||
| Graad 4 | 32 (12,90) | 18 (16,98) | ||
| Distale facetgewrichtshoek (°) | 55,26 ± 6,42 | 55,18 ± 6,39 | 0,111 | 0,912 |
| Distale facetgewrichteffusie (mm) | 0,94 ± 0,21 | 0,93 ± 0,20 | 0,444 | 0,657 |
| Distale schijfhoogte (mm) | 9,16 ± 1,92 | 9,20 ± 1,88 | 0,193 | 0,847 |
| Proximale facetgewrichtshoek (°) | 49,95 ± 6,03 | 50,03 ± 5,99 | 0,115 | 0,908 |
| Proximale facetgewrichteffusie (mm) | 0,84 ± 0,26 | 0,83 ± 0,25 | 0,237 | 0,813 |
| Proximale schijfhoogte (mm) | 8,05 ± 1,52 | 8,08 ± 1,50 | 0,156 | 0,876 |
| Pelvische incidentie (PI, °) | 52,18 ± 7,94 | 52,35 ± 7,85 | 0,188 | 0,851 |
| Pelvische tilt (PT, °) | 24,35 ± 7,17 | 24,28 ± 7,23 | 0,080 | 0,936 |
| Sacrale slope (SS, °) | 44,91 ± 6,83 | 45,01 ± 6,79 | 0,129 | 0,898 |
| Thoracale kyfose (TK, °) | 21,18 ± 7,67 | 21,25 ± 7,62 | 0,075 | 0,940 |
Tabel 1: Basiskenmerken van de modellerings- en validatiecohorten. Continue variabelen worden weergegeven als gemiddelde ± standaarddeviatie (SD), en categorische variabelen worden weergegeven als aantal (%). Demografische, klinische, radiografische en MRI-basiskenmerken werden vergeleken tussen de modelleringscohort (n = 248) en de validatiecohort (n = 106) om de vergelijkbaarheid van de cohorten te beoordelen. Afkortingen: BMI, body mass index; PI, pelvic incidence; PT, pelvic tilt; SS, sacral slope; TK, thoracale kyfose.
2. MRI-acquisitieprotocol
- Voer een MRI-veiligheidsscreening uit met behulp van een gestandaardiseerde vragenlijst. Identificeer contra-indicaties, waaronder zwangerschap, geïmplanteerde elektronische apparaten, ferromagnetische vreemde lichamen, claustrofobie en een geschiedenis van allergische reacties op gadoliniumhoudende contrastmiddelen.
- Instrueer de patiënt om alle metalen voorwerpen te verwijderen, inclusief sieraden, horloges, piercings en gehoorapparaten. Positioneer de patiënt in rugligging op de MRI-tafel.
- Plaats een zacht kussen onder de knieën om een flexie van ongeveer 20°–30° te bereiken en de fysiologische lumbale lordose te verminderen. Positioneer de wervelkolomspoel gecentreerd op het niveau van wervel L3 om dekking van T12 tot S3 te bieden.
- Bevestig de spoel met direct huidcontact en elimineer zichtbare luchtspleten. Plaats schuimrubberen kussens aan beide zijden om patiëntbeweging te minimaliseren en zorg voor een MRI-compatibel noodoproepsysteem.
- Dien geen intraveneuze gadoliniumhoudende contrastmiddelen toe. De diagnostische workflow maakt gebruik van sagittale T1-gewogen, sagittale T2-gewogen en axiale T2-gewogen sequenties zonder contrast.
- Verkrijg een three-plane scout (localizer) sequentie met behulp van een gradient-echo sequentie met TR = 8 ms, TE = 4 ms, plakdikte = 8 mm en field of view = 400 mm × 400 mm.
- Verifieer de volledige dekking van de lumbale wervelkolom van T12/L1 tot aan het sacrum. Positioneer de patiënt opnieuw als de lumbosacrale overgang niet volledig in beeld is.
- Verkrijg sagittale T1-gewogen turbo spin-echo beelden met TR = 500 ms, TE = 12 ms, field of view = 280 × 280 mm, matrix = 512 × 256, plakdikte = 4 mm, plakafstand = 0,4 mm en NEX = 2.
- Stel de plakken parallel aan de processus spinosi in. Verkrijg minimaal 11 sagittale plakken om volledige dekking van links naar rechts te bieden.
OPMERKING: T1-gewogen beeldvorming is de primaire sequentie voor het identificeren van epidurale lipomatose, omdat vetweefsel een intrinsiek hoge signaalintensiteit vertoont ten opzichte van omliggende structuren. De geselecteerde acquisitieparameters maximaliseren de T1-weging terwijl een adequate signaal-ruisverhouding en ruimtelijke resolutie behouden blijven. De typische acquisitietijd bedraagt ongeveer 3–4 min. - Bij het aanpassen van het protocol aan een equivalent 1,5 of 3,0 T platform, dient de vereiste anatomische dekking, sequentietype, plakoriëntatie, plakdikte, interslice gap en de diagnostische vlakken te worden behouden. Optimaliseer de field of view, matrix, het aantal excitaties, de echo train length en de parallel imaging factor indien nodig, mits het epiduraal vet, de randen van de thecaalszak en de anatomie van het verschoven niveau duidelijk zichtbaar blijven voor diagnostische interpretatie.
- Stel de plakken parallel aan de processus spinosi in. Verkrijg minimaal 11 sagittale plakken om volledige dekking van links naar rechts te bieden.
- Verkrijg sagittale T2-gewogen turbo spin-echo beelden met TR = 3.500-4.000 ms, TE = 100-120 ms, field of view = 280 mm × 280 mm, matrix = 512 × 256, plakdikte = 4 mm, plakafstand = 0,4 mm en NEX = 2.
- Stem de plakpositionering af op de sagittale T1-gewogen acquisitie om een directe vergelijking van de beelden mogelijk te maken.
OPMERKING: T2-gewogen beeldvorming biedt complementaire anatomische informatie door de visualisatie van het cerebrospinal vloeistof (CSF), de thecaalszak en de morfologie van de intervertebrale schijven te verbeteren. Deze sequentie wordt ook gebruikt voor de Pfirrmann-gradatie van intervertebrale schijfdegeneratie. De typische acquisitietijd bedraagt ongeveer 4–5 min.
- Stem de plakpositionering af op de sagittale T1-gewogen acquisitie om een directe vergelijking van de beelden mogelijk te maken.
- Verkrijg axiale T2-gewogen fast spin-echo beelden op elk lumbaal intervertebraal schijfniveau van L1/L2 tot L5/S1 met TR = 4.000 ms, TE = 112 ms, field of view = 180 mm × 180 mm, matrix = 320 × 256, plakdikte = 4 mm, plakafstand = 0,4 mm en NEX = 3.
- Stel axiale plakken in parallel aan elke intervertebrale schijfruimte. Verkrijg 6-8 plakken door het verschoven segment om volledige anatomische dekking te garanderen.
OPMERKING: Axiale T2-gewogen beeldvorming maakt beoordeling van de epidurale vetverdeling en de morfologie van de thecaalszak mogelijk. De combinatie van sagittale T1-gewogen, sagittale T2-gewogen en axiale T2-gewogen sequenties biedt complementaire anatomische informatie voor een uitgebreide evaluatie. De totale acquisitietijd voor alle lumbale niveaus bedraagt ongeveer 15–20 min. Het volledige onderzoek, inclusief positionering van de patiënt en scout-beeldvorming, vereist ongeveer 30–35 min.
- Stel axiale plakken in parallel aan elke intervertebrale schijfruimte. Verkrijg 6-8 plakken door het verschoven segment om volledige anatomische dekking te garanderen.
- Evalueer de beeldkwaliteit voordat het onderzoek wordt beëindigd. Bevestig de afwezigheid van bewegingsartefacten graad II of hoger, volledige visualisatie van de lumbosacrale overgang, een adequate signaal-ruisverhouding en de afwezigheid van significante wrap-around artefacten.
- Herhaal elke sequentie die niet voldoet aan de beeldkwaliteitscriteria. Exporteer alle Digital Imaging and Communications in Medicine (DICOM) beelden naar het PACS met behoud van de metadata.
- Definieer een acceptabele beeldkwaliteit als volledige dekking van T12/L1 tot aan het sacrum, scherpe visualisatie van de posterieure cortices van het wervellichaam en de randen van de thecaalszak, afwezigheid van wrap-around artefacten die zich uitstrekken in het spinale kanaal, en een voldoende signaal-ruisverhouding om epiduraal vet te onderscheiden van CSF en paraspinale spieren. Herhaal elke sequentie die niet aan deze criteria voldoet.
- Gebruik hetzelfde vierpunts gradatiesysteem voor bewegingsartefacten zoals beschreven in Stap 1.3.3. Herhaal sequenties met graad II of III bewegingsartefacten voordat de patiënt wordt ontslagen, of sluit het onderzoek uit als herhaalde beeldvorming niet kan worden uitgevoerd.
OPMERKING: Verifieer de beeldkwaliteit voordat de patiënt uit de scanner wordt ontslagen.
3. Interpretatie van MRI-beelden bij epidurale lipomatose
OPMERKING: Epidurale lipomatose wordt gedefinieerd als pathologische overgroei van niet-ingekapseld volwassen adipose weefsel binnen de spinale epidurale ruimte. Bij DLS draagt deze aandoening bij aan spinale kanaalstenose en kan dit een gecombineerde decompressie tijdens de fusiechirurgie noodzakelijk maken. Een nauwkeurige diagnose vereist een systematische evaluatie over meerdere beeldsequenties en vlakken.
- Voer de beeldinterpretatie uit op een speciaal hiervoor bestemd PACS-workstation, uitgerust met een diagnostische monitor van medische kwaliteit (minimaal 3 megapixels; DICOM Part 14 Grayscale Standard Display Function). Houd de omgevingsverlichting gecontroleerd (≤50 lux).
- Laad het volledige MRI-onderzoek. Toon sagittale T1-gewogen en sagittale T2-gewogen beelden naast elkaar in het bovenste weergavevenster en axiale T2-gewogen beelden in het onderste weergavevenster met gesynchroniseerde anatomische cross-referencing.
- Gebruik de institutionele PACS-viewer met DICOM-gekalibreerde meetinstrumenten en ingeschakelde gesynchroniseerde sagittale-axiale cross-referencing. Pas consistente window- en level-instellingen toe voor de zij-aan-zij beeldvergelijking tijdens elke lees sessie. Noteer de PACS-leverancier en softwareversie in de Tabel van Materialen.
- Identificeer het niveau van de wervelkring op het midsagittale T1-gewogen beeld door anterior wervelverplaatsing waar te nemen. Trek een referentielijn langs de posterieure cortex van het ondergelegen wervellichaam.
- Meet de loodrechte afstand van de referentielijn tot de posterior-inferieure hoek van de verschoven wervel. Bevestig dat de gemeten verplaatsing ≥3 mm of ≥10% van de breedte van het wervellichaam is.
OPMERKING: Nauwkeurige lokalisatie van het verschoven niveau is essentieel omdat epidurale lipomatose specifiek op het niveau van de wervelverschuiving wordt geëvalueerd. - Voer metingen van de wervelverschuiving uit met behulp van het ingebouwde gekalibreerde elektronische schuifmaat-instrument op het PACS-workstation. Verifieer de pixelkalibratie vanuit de DICOM-metadata vóór de meting en noteer alle afstanden tot op 0,1 mm nauwkeurig.
- Meet de loodrechte afstand van de referentielijn tot de posterior-inferieure hoek van de verschoven wervel. Bevestig dat de gemeten verplaatsing ≥3 mm of ≥10% van de breedte van het wervellichaam is.
- Onderzoek de posterieure epidurale ruimte op het verschoven niveau op het midsagittale T1-gewogen beeld. Identificeer een bandvormig of halvemaanvormig hyperintens signaal, gelegen tussen de thecale zak anterieur en het ligamentum flavum of het doornfortuiterieur posterieur.
- Vergelijk de signaalintensiteit van de laesie direct met subcutaan vet op hetzelfde beeld. Indien vet-onderdrukkingssequenties beschikbaar zijn, bevestig dan de signaalonderdrukking om de vette aard van de laesie te verifiëren.
OPMERKING: Differentieer epidurale lipomatose van andere T1-hyperintense epidurale laesies, waaronder subacuut epiduraal hematoom en eiwitrijke vochtcollecties. Bevestig epidurale lipomatose alleen wanneer de laesie signaalkenmerken vertoont die identiek zijn aan subcutaan vet en zich conformeert aan de epidurale ruimte. - Gebruik de in het protocol gedefinieerde sagittale criteria als primaire screeningsmethode voor het verschoven niveau en doe een cross-referentie van positieve of twijfelachtige bevindingen op axiale T2-gewogen beelden. Documenteer bij prospectieve implementatie de verdeling van het epidurale vet, de vervorming van de thecale zak en de compatibiliteit met gevestigde MRI-gebaseerde beoordelingsmethoden, inclusief benaderingen voor de axiale ratio van epiduraal vet tot thecale zak en het locoregionale Manjila-graderingssysteem. In de retrospectieve cohort die werd gebruikt voor modelontwikkeling, werden deze gevestigde graderingssystemen niet toegepast als onafhankelijke referentiestandaarden, en de oorspronkelijke binaire uitkomst werd niet retrospectief geclassificeerd.
- Vergelijk de signaalintensiteit van de laesie direct met subcutaan vet op hetzelfde beeld. Indien vet-onderdrukkingssequenties beschikbaar zijn, bevestig dan de signaalonderdrukking om de vette aard van de laesie te verifiëren.
- Meet de craniocaudale omvang van de epidurale vetafzetting met behulp van elektronische schuifmaten op het PACS-workstation. Plaats de schuifmaten bij de superieure en inferieure randen van de aaneengesloten epidurale vetafzetting en noteer de maximale meting.
- Bevestig dat de craniocaudale omvang ≥5 mm meet in hetzelfde sagittale vlak. Gebruik zichtbaarheid op ten minste twee aangrenzende sagittale coupes uitsluitend om mediolaterale continuïteit te bevestigen en partial-volume artefacten te verminderen; gebruik aangrenzende sagittale coupes niet om de craniocaudale omvang te schatten.
- Doe een cross-referentie van de laesie op sagittale T2-gewogen beelden om de signaalkenmerken te evalueren. Beoordeel de overeenkomstige axiale T2-gewogen beelden om de circumferentiële verdeling van het epidurale vet en de anterieur-posterieure reductie van de thecale zak te beoordelen.
OPMERKING: Gebruik een craniocaudale omvang van ≥5 mm als de operationele screeningsdrempel voor het verschoven niveau in dit protocol. Noteer de anteroposterieure diameter en het dwarsdoorsnede-oppervlak van de thecale zak op axiale beelden als continue bevestigende metingen. Gebruik in de huidige retrospectieve cohort geen vaste axiale afkapwaarden als onafhankelijke referentiestandaarden. - Indien het vetsignaal slechts op één sagittale coupe zichtbaar is, classificeer de bevinding dan als onbepaald, tenzij axiale beelden een overeenkomstige epidurale vetaccumulatie vertonen en de craniocaudale omvang in hetzelfde vlak ≥5 mm blijft. Dit criterium onderscheidt de primaire craniocaudale meting van de ondersteunende beoordeling van de mediolaterale continuïteit.
- Meet de anteroposterieure diameter van de thecale zak op het axiale T2-gewogen beeld dat de maximale compressie op het verschoven niveau vertoont, door de afstand van de anterieure naar de posterieure rand van de durale zak te meten. Meet het dwarsdoorsnede-oppervlak door de binnenste durale begrenzing te trekken met behulp van het PACS region-of-interest-instrument of het ImageJ polygoon selectie-instrument, en noteer het oppervlak in mm2.
- Vergelijk de sagittale omvang en axiale ernst kwalitatief met het Manjila-graderingskader. In dit op DLS gerichte protocol wordt het Manjila-graderingssysteem gebruikt als locoregionale referentie voor documentatie en niet als de primaire definitie van de uitkomst, omdat het eindpunt van de studie de aanwezigheid van epidurale lipomatose op het verschoven niveau binnen het voorspellingsmodel is.
- Pas de vier oorspronkelijke criteria voor het verschoven niveau toe die werden gebruikt voor cohortclassificatie: (1) een bandvormig of halvemaanvormig T1-hyperintens signaal in de posterieure epidurale ruimte op het verschoven niveau; (2) signaalintensiteit identiek aan subcutaan vet; (3) een craniocaudale omvang ≥5 mm in hetzelfde sagittale vlak; en (4) reproduceerbaarheid op aangrenzende sagittale coupes. Vertrouw bij prospectieve klinische implementatie niet uitsluitend op de sagittale criteria. Bevestig de overeenkomstige epidurale vetaccumulatie en de contourdeformiteit van de thecale zak op axiale beelden, en documenteer of de vetverdeling dorsaal, ventraal of circumferentieel is.
- Noteer de axiale kwantitatieve bevindingen, inclusief de anteroposterieure diameter en het dwarsdoorsnede-oppervlak van de thecale zak, samen met de kwalitatieve compatibiliteit met beoordelingsmethoden op basis van de ratio van epiduraal vet tot thecale zak en het locoregionale Manjila-graderingssysteem.
OPMERKING: De oorspronkelijke studie was niet ontworpen als een diagnostische accuratesse-studie met een gevestigde MRI-referentiestandaard, en de oorspronkelijke DICOM-beelden werden niet opnieuw geanalyseerd tijdens de revisie van het manuscript. Daarom zijn sensitiviteit, specificiteit en inter-methode overeenstemming niet opnieuw berekend. Deze aanvullende axiale descriptoren zijn bedoeld om de prospectieve klinische implementatie te ondersteunen en veranderen de oorspronkelijke studieuitslag of het voorspellingsmodel niet.
- Noteer de axiale kwantitatieve bevindingen, inclusief de anteroposterieure diameter en het dwarsdoorsnede-oppervlak van de thecale zak, samen met de kwalitatieve compatibiliteit met beoordelingsmethoden op basis van de ratio van epiduraal vet tot thecale zak en het locoregionale Manjila-graderingssysteem.
- Laat alle onderzoeken onafhankelijk interpreteren door twee senior spine-radiologen (≥10 jaar ervaring). Vul een gestandaardiseerd gestructureerd rapportageformulier in waarop de aanwezigheid of afwezigheid van elk diagnostisch criterium, het verschoven wervelniveau, de maximale craniocaudale omvang (mm) en de algehele diagnose worden gedocumenteerd.
- Los onenigheid op via consensus met een derde senior spine-radioloog (>15 jaar ervaring) die geblindeerd is voor de initiële beoordelingen. Bereken de interobserver-overeenkomst met behulp van de Cohen's kappa-statistiek.
- Gebruik een gestructureerd rapportageformulier om het verschoven niveau, de verdeling van het epidurale vet (dorsaal, ventraal of circumferentieel), de maximale craniocaudale omvang, de sagittale meting in hetzelfde vlak, de zichtbaarheid op aangrenzende coupes, de axiale bevestiging, de diameter van de thecale zak, het dwarsdoorsnede-oppervlak van de thecale zak, de definitieve diagnose en het vertrouwen van de lezer te documenteren. Kalibreer vóór de formele beeldinterpretatie alle waarnemers met behulp van 20 representatieve trainingscasussen, inclusief negatieve, borderline en positieve onderzoeken.
OPMERKING: Voltooi alle consensusinterpretaties voordat u overgaat tot de statistische analyse.
4. Beoordeling van degeneratie van de tussenwervelschijf
- Beoordeel de sagittale T2-gewogen MRI-beelden ter hoogte van het verschoven segment. Scroll door alle sagittale coupes en selecteer het beeld dat de duidelijkste visualisatie van de nucleus pulposus biedt.
- Gradeer de degeneratie van de intervertebrale schijf met behulp van het Pfirrmann-graderingssysteem18. Ken Graad I toe aan schijven met een homogeen hyperintens signaal dat identiek is aan CSF, een normale schijfhoogte en een duidelijk onderscheid tussen nucleus en annulus.
- Ken Graad II toe aan schijven met een inhomogeen hyperintens signaal met horizontale banden van laag signaal, behouden schijfhoogte en een duidelijk onderscheid tussen nucleus en annulus. Ken Graad III toe aan schijven met een intermediair grijs signaal, een onduidelijke grens tussen nucleus en annulus en een normale of licht verminderde schijfhoogte.
- Ken Graad IV toe aan schijven met een inhomogeen hypointens donkergrijs signaal, volledig verlies van het onderscheid tussen nucleus en annulus en een matig tot ernstig verminderde schijfhoogte. Ken Graad V toe aan schijven met een inhomogeen hypointens signaal, een ingestorte schijfruimte, volledig verlies van het onderscheid tussen nucleus en annulus en een uitgesproken vernauwing van de schijfruimte.
- Laat twee gecertificeerde radiologen met ≥5 jaar ervaring in musculoskeletale beeldvorming onafhankelijk de Pfirrmann-graden toekennen. Noteer de toegekende graad voor elke beoordeelde schijf.
- Los verschillen in gradering op via adjudicatie door een derde gecertificeerde radioloog. Bereken de interobserver-overeenkomst met behulp van de gewogen Cohen’s kappa-statistiek.
- Houd de radiologen blind voor klinische symptomen, behandelgeschiedenis, de status van epidurale lipomatose, variabelen van het predictiemodel en elkaars beoordelingen tijdens de onafhankelijke Pfirrmann-gradering.
- Voer de Pfirrmann-gradering uit met gebruik van dezelfde monitoren van diagnostische kwaliteit en gestandaardiseerde weergavecondities zoals beschreven in Stap 3.1.
OPMERKING: Voltooi de consensusgradering voordat u overgaat naar de beoordeling van vetinfiltratie van de paraspinale spieren.
5. Beoordeling van vetinfiltratie in de paraspinale spieren
- Beoordeel axiale T2-gewogen fast spin-echo beelden op het middenpunt van de verschoven intervertebrale schijf. Identificeer de m. multifidus bilateraal als de diepe paraspinale spieren direct lateraal van het spinous proces en de lamina.
- Beoordeel de sagittale beelden om de zijde van de predominante vertebrale verschuiving te bepalen. Selecteer de m. multifidus aan de overeenkomstige zijde voor beoordeling.
- Gebruik een op de ruggenmerg aangepaste Goutallier-gradatiebenadering afgeleid van de oorspronkelijke classificatie van vetachtige spierdegeneratie en eerdere toepassingen op de lumbale m. multifidus19,20. Ken Graad 0 toe aan spieren die een homogene lage signaalintensiteit vertonen, een volledige afwezigheid van vetstrepen en een goed behouden spiermassa.
- Ken Graad 1 toe aan spieren die kleine lineaire high-signal vetstrepen bevatten die <5% van het dwarsdoorsnedevlak beslaan. Ken Graad 2 toe aan spieren die duidelijk zichtbare vetinfiltratie vertonen die 5%–50% van het dwarsdoorsnedevlak beslaat. Ken Graad 3 toe aan spieren die ≥50% vetinfiltratie vertonen met residueel spierweefsel.
- Ken Graad 4 toe aan spieren waarbij het gehele dwarsdoorsnedevlak is vervangen door vet zonder waarneembaar spierweefsel. Dichotomiseer de resultaten voor statistische analyse als Graden 0-2 en Graden 3-4.
OPMERKING: De m. multifidus is de grootste en meest mediale paraspinale spier en dient als de primaire dynamische stabilisator van het lumbale segment. Ernstige vetinfiltratie (Graden 3-4) duidt op aanzienlijke vetvervanging en wordt behandeld als de klinisch ernstige categorie voor modellering, omdat het een drempel weerspiegelt waarbij vet ongeveer de helft van het dwarsdoorsnedevlak van de spier beslaat. - Specificeer dat het oorspronkelijke Goutallier-gradatiesysteem is aangepast voor de beoordeling van de lumbale m. multifidus op axiale MRI. Dichotomiseer Graden 0–2 en Graden 3–4 om afwezige-tot-matige vetinfiltratie te onderscheiden van ernstige vetvervanging, waardoor de modelcomplexiteit wordt verminderd terwijl een adequate ratio van events-per-variabele in het voorspellingsmodel behouden blijft. Behandel de gebruikte percentage-drempelwaarden in dit protocol als operationele MRI-gebaseerde criteria en niet als een letterlijke reproductie van de oorspronkelijke Goutallier-classificatie via computed tomography van de schouder.
- Bepaal de zijde van predominante vertebrale verschuiving door axiale en sagittale beelden te beoordelen op asymmetrische vertebrale translatie, rotationele verplaatsing of een grotere vernauwing van de laterale recessus. Indien er geen zijde domineert, beoordeel dan de zijde met de grootste vetinfiltratie van de m. multifidus. Indien beide zijden symmetrisch zijn, beoordeel dan de rechter m. multifidus en documenteer deze beslissing.
- Exporteer het axiale T2-gewogen fast spin-echo DICOM-beeld uit het PACS. Open het beeld in de ImageJ-software (versie 1.53t).
- Selecteer het polygoon-selectiehulpmiddel en trek de fasciale grens van de doel-m. multifidus na. Identificeer de fasciale grens als de dunne donkere lijn die de spier omringt.
- Open Image > Adjust > Threshold. Stel de lower threshold in op 120 arbitraire eenheden en de upper threshold op de maximale pixelwaarde.
- Selecteer Rood als weergavekleur om de identificatie van vette gebieden te verifiëren. Klik op Apply om het binaire masker te genereren.
- Gebruik een drempelwaarde van 120 arbitraire eenheden als een scanner- en sequentie-specifiek startpunt in plaats van als een universele drempel. Kalibreer de drempel opnieuw met representatieve lokale beelden wanneer het scannerplatform, de radiofrequentiespoel, de magnetische veldsterkte of de beeldacquisitieparameters afwijken van die in het afleidingsprotocol.
- Interpreteer de drempelwaarde niet als histologisch gevalideerd voor alle beeldsystemen. Gebruik deze als een reproduceerbaar hulpmiddel voor beeldverwerking en verifieer elk binair masker visueel aan de hand van het oorspronkelijke axiale T2-gewogen beeld voordat kwantitatieve metingen worden uitgevoerd.
- Open Analyze > Measure in ImageJ. Activeer Area, Area Fraction, Limit to Threshold en Display Label voordat de meting wordt uitgevoerd.
- Noteer de %Area-waarde als het kwantitatieve intramusculaire vetpercentage.
- Herhaal de meting na een interval van ten minste 24 u door dezelfde operator. Bereken de intraclass correlatiecoëfficiënt (ICC) om de intraoperator-betrouwbaarheid te beoordelen.
OPMERKING: Een ICC >0,90 duidt op een uitstekende intraoperator-betrouwbaarheid. - Blindeer tijdens herhalingsmetingen de operator voor de initiële meting door de oorspronkelijke waarde op te slaan in een vergrendeld REDCap-veld en het DICOM-beeld na een interval van ten minste 24 u opnieuw te openen als een nieuwe meetsessie.
- Laat twee board-gecertificeerde radiologen onafhankelijk Goutallier-graden toekennen en de ImageJ-gebaseerde kwantitatieve metingen uitvoeren. Zorg voor gestandaardiseerde training met een referentiebeeldset voorafgaand aan de beoordelingen van de studie.
- Los onenigheid op via consensus met een derde senior musculoskeletale radioloog. Bereken de kappa van Cohen voor de Goutallier-classificatie en de intraclass correlatiecoëfficiënt voor het kwantitatieve vetpercentage.
- Gebruik een trainingsdataset van 20 casussen vóór de studiebeoordeling, inclusief vijf casussen die elk minimale, lichte, matige en ernstige vetinfiltratie vertegenwoordigen. Voer een kalibratiesessie uit om referentiebeelden, de plaatsing van de region-of-interest, drempelwaarde-aanpassingen en procedures voor het oplossen van discrepanties te beoordelen voordat de onafhankelijke beeldgradatie begint.
OPMERKING: Als de interobserver kappa van Cohen onder 0,70 zakt of de intraclass correlatiecoëfficiënt onder 0,85, voer dan een herkalibratiesessie uit voordat de analyse wordt hervat.
6. Ontwikkeling en toepassing van het risicovoorspellingsmodel
- Stel alle studievariabelen samen in een gestructureerde dataset met behulp van REDCap. Definieer de uitkomstvariabele als binair: 1 = epidurale lipomatose aanwezig (alle vier de diagnostische criteria in stap 3.5 vervuld) en 0 = epidurale lipomatose afwezig.
- Codeer de predictoren als volgt: leeftijd (jaren); geslacht (0 = man, 1 = vrouw); BMI (kg/m2); verschoven segment (0 = L3/L4, 1 = L5); en Goutallier-graad (0 = graad 0–2; 1 = graad 3–4, representatief voor ernstige vette infiltratie). Geef bij rapportage het effect van leeftijd per toename van 10 jaar en het effect van BMI per toename van 5 kg/m2 weer. Gebruik in de voorspellingsvergelijking voor aan het bed coëfficiënten in ruwe eenheden die algebraïsch gelijkwaardig zijn aan de gerapporteerde coëfficiënten op basis van toenames.
- Voer datacleaning uit door ontbrekende waarden te identificeren, uitschieters te verifiëren en te bevestigen dat alle variabelen binnen de verwachte bereiken vallen.
- Sluit patiënten met ontbrekende vereiste uitkomst- of predictorenvariabelen uit na verificatie van de brongegevens. Controleer continue variabelen met behulp van bereikcontroles en spreidingsdiagrammen, corrigeer geverifieerde invoerfouten aan de hand van de brongegevens, behoud biologisch plausibele uitschieters en voer geen imputatie uit voor vereiste modelvariabelen.
- Open SPSS versie 27.0 en stel de random seed in op 42 om reproduceerbaarheid te waarborgen. Voer univariate screening uit met de Student t-toets voor continue variabelen en de chi-kwadraattoets voor categorische variabelen.
- Selecteer variabelen met P < 0,05 voor multivariabele analyse. Pas een multivariaabel binair logistisch regressiemodel toe met behulp van backward stepwise eliminatie op basis van minimalisatie van het Akaike Information Criterion (AIC).
- Beoordeel de goodness-of-fit van het model met de Hosmer-Lemeshow-toets. Bereken de variance inflation factor (VIF) voor alle behouden predictoren en bevestig dat alle VIF-waarden <5 zijn.
- Exponentieer de regressiecoëfficiënten om gecorrigeerde odds ratio's (OR's) met 95% betrouwbaarheidsintervallen (BI's) te verkrijgen. Genereer een forest plot met het forestplot-pakket in R om de effectgroottes te visualiseren (Figuur 1). Rapporteer het effect van leeftijd per toename van 10 jaar en het effect van BMI per toename van 5 kg/m2.
- Gebruik univariate screening gevolgd door backward stepwise selectie als explorerende modelboustrategie voor deze single-center dataset. Interpreteer het uiteindelijke model als een hypothese-genererende tool voor klinische beslissingsondersteuning, aangezien stepwise selectie kan leiden tot onstabiele coëfficiëntschattingen en een te optimistische modelprestatie. Bevestig de modelprestaties via externe validatie vóór klinische implementatie.
- Exporteer de opgeschoonde SPSS-dataset als een comma-separated values (.csv) bestand waarbij de variabelelabels zijn verwijderd en de codering is behouden. Genereer de forest plot in R versie 4.3.1 met het forestplot-pakket. Bevestig dat de variabelecodering in R overeenstemt met het SPSS-coderingswoordenboek vóór het plotten.
- Evalueer de modeldiscriminatie door de area under the receiver operating characteristic curve (AUC) te berekenen voor de modelleringscohort. Schat de standaardfout met de DeLong-toets.
- Evalueer de modelkalibratie met behulp van kalibratieplots die voorspelde en geobserveerde waarschijnlijkheden vergelijken over gegroepeerde intervallen van voorspeld risico in zowel de modellerings- als de validatiecohort (Figuur 2). Interpreteer de kalibratiecurve van de validatiecohort voorzichtig, omdat er minder observaties beschikbaar zijn aan de extremen van het voorspelde risico.
- Voer een decision curve analysis uit met het rmda-pakket (versie 1.6) in R versie 4.3.1. Vergelijk het voorspellingsmodel met de 'treat-all' en 'treat-none' strategieën over een reeks drempelwaarschijnlijkheden (Figuur 3).
- Valideer het uiteindelijke model met behulp van de apart gehouden interne validatiecohort (n = 106). Rapporteer de validatie-AUC, kalibratieplot en decision curve beschrijvend. Interpreteer de overeenstemming tussen de modellerings- en validatiecohort als bewijs van interne consistentie en niet als bewijs van externe validiteit.
- Voer de receiver operating characteristic-analyse, kalibratieplotting en decision curve analysis uit in R versie 4.3.1. Archiveer de R-scripts, pakketversies, inputdataset, coderingswoordenboek en outputfiguren bij het verslag van de statistische analyse.
- Gebruik geen vaste drempels, zoals een AUC-verschil ≤0,05 of een kalibratieslope van 0,8–1,2, als formele validatiecriteria. Rapporteer deze waarden beschrijvend als indicatoren van interne modelstabiliteit en vermeld dat multicenter externe validatie vereist is vóór brede klinische toepassing.
OPMERKING: Voltooi de interne validatie voordat het model wordt toegepast op externe klinische datasets.
- Verzamel de vijf predictorenvariabelen voor een nieuwe patiënt met DLS: leeftijd (jaren), geslacht, BMI (kg/m2), verschoven segment (L3/L4 of L5) en de Goutallier-graad van de musculus multifidus op het niveau van de verschuiving.
- Bereken de voorspelde waarschijnlijkheid met de logistische regressievergelijking uitgedrukt in ruwe klinische eenheden:
Hierbij is z = -5,521 + (0,0412 × leeftijd) + (0,856 × geslacht) + (0,1256 × BMI) + (1,326 × verschoven segment) + (1,158 × Goutallier-graad). Voer de leeftijd in jaren in; codeer geslacht als 0 = man en 1 = vrouw; voer BMI in kg/m2 in; codeer het verschoven segment als 0 = L3/L4 en 1 = L5; en codeer de Goutallier-graad als 0 = graad 0–2 en 1 = graad 3–4. De coëfficiënten in ruwe eenheden voor leeftijd en BMI zijn algebraïsch gelijkwaardig aan coëfficiënten uitgedrukt per toename van respectievelijk 10 jaar en 5 kg/m2. - Interpreteer de voorspelde waarschijnlijkheid beschrijvend als volgt: <20% duidt op een lage geschatte waarschijnlijkheid, 20%–50% duidt op een gemiddelde geschatte waarschijnlijkheid, en >50% duidt op een hoge geschatte waarschijnlijkheid van epidurale lipomatose. Gebruik deze categorieën voor risicocommunicatie en workflow-prioritering, niet voor de keuze van de behandeling.
OPMERKING: Gebruik het voorspellingsmodel uitsluitend als hulpmiddel voor klinische besluitvorming. Gebruik het model niet ter vervanging van klinisch oordeel of radiologische interpretatie. Pas het model zonder aanvullende validatie niet toe op populaties buiten de afleidingscohort, inclusief patiënten met isthmische spondylolisthesis, postoperatieve spinale aandoeningen of steroïde-geïnduceerde epidurale lipomatose. - Voer de ruwe waarden voor leeftijd en BMI direct in de voorspellingsvergelijking in. Algebraïsche herschaling van de leeftijd- en BMI-coëfficiënten verandert enkel de presentatie van de vergelijking en wijzigt de voorspelde waarschijnlijkheden, odds ratio's, receiver operating characteristic-curves, kalibratieplots of resultaten van de decision curve analysis niet.
- Rapporteer odds ratio's consistent als volgt: leeftijd per toename van 10 jaar; BMI per toename van 5 kg/m2; geslacht, vrouw versus man; verschoven segment, L5 versus L3/L4; en Goutallier-graad, graad 3–4 versus graad 0–2.
- Gebruik de categorieën voor lage, gemiddelde en hoge waarschijnlijkheid als pragmatische klinische communicatiegroepen, afgeleid van de door het model voorspelde waarschijnlijkheidsdistributie en de decision curve analysis. Interpreteer deze categorieën niet als gevalideerde behandelingsdrempels, aangezien prospectieve externe validatie vereist is om optimale beslisdrempels vast te stellen.
- Bereken de voorspelde waarschijnlijkheid met de logistische regressievergelijking uitgedrukt in ruwe klinische eenheden:
Figuur 1. Forest plot van onafhankelijke predictoren voor epidurale lipomatose bij patiënten met degeneratieve lumbal spondylolyse. Forest plot die de gecorrigeerde odds ratio's (OR's) en 95% betrouwbaarheidsintervallen (CI's) toont voor de vijf onafhankelijke predictoren geïdentificeerd door multivariabele binaire logistische regressie. Rode vierkantjes geven de gecorrigeerde OR's aan, horizontale blauwe lijnen vertegenwoordigen de overeenkomstige 95% CI's, en de verticale stippellijn geeft de nulwaarde aan (OR = 1). Het effect van leeftijd wordt gerapporteerd per toename van 10 jaar, en het effect van de bodymassindex (BMI) wordt gerapporteerd per toename van 5 kg/m2. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2. Kalibratiecurves van het logistische regressievoorspellingsmodel. (A) Kalibratiecurve voor de modelleringscohort (n = 248). (B) Kalibratiecurve voor de validatiecohort (n = 106). De x-as vertegenwoordigt de voorspelde waarschijnlijkheid van epidurale lipomatose en de y-as vertegenwoordigt de geobserveerde frequentie. De ononderbroken zwarte diagonale lijn geeft de ideale kalibratie aan, de gekleurde lijnen met symbolen vertegenwoordigen de schijnbare modelprestatie en de gearceerde gebieden geven de 95% betrouwbaarheidsintervallen (B.I.) aan. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 3. Receiver operating characteristic-curve en decision curve-analyse van het voorspellingsmodel. (A) Receiver operating characteristic (ROC)-curves voor de modelleringscohort (area under the curve [AUC] = 0,834) en de validatiecohort (AUC = 0,815). De grijze diagonale lijn vertegenwoordigt de referentielijn voor een niet-discriminerende classifier. (B) Decision curve-analyse die het netto voordeel van het voorspellingsmodel laat zien over verschillende drempelwaarschijnlijkheden. De rode ononderbroken lijn vertegenwoordigt de modelleringscohort, de blauwe gestreepte lijn vertegenwoordigt de validatiecohort, de zwarte streep-puntlijn vertegenwoordigt de 'behandel-alles'-strategie en de grijze gestippelde lijn vertegenwoordigt de 'behandel-niemand'-strategie. Klik hier om een grotere versie van deze figuur te bekijken.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Het protocol werd toegepast op 354 opeenvolgende patiënten met DLS. Door middel van randomisatie werden een modelleringscohort (n = 248) en een validatiecohort (n = 106) gevormd. Vergelijking van de demografische, klinische, radiografische en MRI-kenmerken bij aanvang toonde geen statistisch significante verschillen tussen de cohorten aan, wat duidt op vergelijkbare patiëntenverdelingen voor de daaropvolgende modelontwikkeling en interne validatie (Tabel 1).
Binnen de modeller...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
Het huidige protocol integreert gestandaardiseerde MRI-acquisitie, gestructureerde beeldinterpretatie en kwantitatieve risicomodellering in een samenhangend klinisch beslissingsondersteunend instrument voor het identificeren van epidurale lipomatose bij patiënten met DLS. De workflow bestaat uit vier opeenvolgende componenten: systematische patiëntkarakterisering, inclusief demografische en antropometrische variabelen; gestandaardiseerde sagittale T1-gewogen MRI-acquisitie geoptimaliseerd voor de visualisatie van epidura...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
De auteurs verklaren dat zij geen concurrerende financiële of niet-financiële belangen hebben.
Dankbetuigingen
De auteurs danken Shiwu Zhang voor de technische ondersteuning. Dit werk werd ondersteund door het Tianjin Key Medical Discipline Construction Project (Grant No. TJYXZDXK-3-005A-4). De financierende instantie heeft geen rol gespeeld in het ontwerp van de studie, de gegevensverzameling, de gegevensanalyse, de beslissing om te publiceren of de voorbereiding van het manuscript.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| 1.5 Tesla magnetische resonantie-imaging scanner | Apparatuur | Siemens Healthineers | Magnetom Aera |
| 16-kanaals wervelkolomoppervlakspoel | Apparatuur | Siemens Healthineers | Standaardconfiguratie |
| DICOM Deel 14-conforme diagnostische monitor (3 megapixels) | Apparatuur | Barco NV | Nio Color 3MP, MDNC-3421CN; DICOM-kalibratie via Barco QAWeb Enterprise |
| forestplot R-pakket | Software | R Foundation for Statistical Computing | Versie 3.1.3 |
| ImageJ | Software | National Institutes of Health | Versie 1.53t |
| PACS-werkstation | Apparatuur | Dell Inc. | Precision 3660 Tower Workstation; Windows 10, 64-bit besturingssysteem |
| Picture Archiving and Communication System (PACS) | Software | INFINITT Healthcare Co., Ltd. | INFINITT PACS 7.0 |
| R | Software | R Foundation for Statistical Computing | Versie 4.3.1 |
| REDCap | Software | Vanderbilt University | Versie 13.1 |
| rmda R-pakket | Software | R Foundation for Statistical Computing | Versie 1.6 |
| SPSS Statistics | Software | IBM | Versie 27.0 |
Referenties
- García-Ramos CL, et al. Espondilolistesis degenerativa lumbar II: tratamiento y controversias. Acta Ortop Mex. 2020;34(6):433-440.
- Rangwalla K, et al. Degenerative lumbar spondylolisthesis: review of current classifications and proposal of a novel classification system. Eur Spine J. 2024;33(5):1762-1772.
- Nava-Bringas TI, et al. Association of strength, muscle balance, and atrophy with pain and function in patients with degenerative spondylolisthesis. J Back Musculoskelet Rehabil. 2014;27(3):371-376.
- Ahmad S, et al. Spinal epidural lipomatosis: a rare association of Cushing’s disease. Endocrinol Diabetes Metab Case Rep. 2020;2020:20-0136.
- Al-Omari AA, et al. Is there a relationship between lumbosacral epidural spinal injections and lumbosacral epidural lipomatosis? A retrospective study. Neurochirurgie. 2025;71(2):101636.
- Jaimes R III, Rocco AG. Multiple epidural steroid injections and body mass index linked with occurrence of epidural lipomatosis: a case series. BMC Anesthesiol. 2014;14:70.
- D’Agostino V, et al. Could spinal epidural lipomatosis be the hallmark of metabolic syndrome on the spine? A literature review with emphasis on etiology. Diagnostics (Basel). 2023;13(2):322.
- Ishihara S, et al. Spinal epidural lipomatosis is a previously unrecognized manifestation of metabolic syndrome. Spine J. 2019;19(3):493-500.
- Abe T, et al. Spinal epidural lipomatosis is associated with liver fat deposition and dysfunction. Clin Neurol Neurosurg. 2019;185:105480.
- Marrone N, et al. Spinal epidural fat as an imaging biomarker of visceral obesity: an MRI-based quantitative analysis. Diagnostics (Basel). 2025;15(19):2490.
- Alomari S, et al. Etiologies and outcomes of spinal epidural lipomatosis: systematic review of the literature and meta-analysis of reported cases. Clin Spine Surg. 2022;35(9):383-387.
- Haggerty T, et al. Significant symptom resolution of spinal lipomatosis with weight loss. Clin Case Rep. 2023;11(9):e7126.
- Borré DG, et al. Lumbosacral epidural lipomatosis: MRI grading. Eur Radiol. 2003;13(7):1709-1721.
- Manjila S, et al. Spinal epidural lipomatosis causing lumbar canal stenosis: a pictorial essay on radiological grading and the role of bariatric surgery versus laminectomy. Cureus. 2022;14(7):e26492.
- Ben Salah MH, Ziaka M. Holothoracic spinal epidural lipomatosis: report of a rare presentation and review of literature. SAGE Open Med Case Rep. 2025;13:2050313X251339051.
- Liu Z, et al. Case report: technical description and clinical evaluation of three cases of unilateral biportal endoscopic decompression for symptomatic spinal epidural lipomatosis. Front Surg. 2024;11:1309202.
- Zhou X, et al. The correlation between radiographic and pathologic grading of lumbar facet joint degeneration. BMC Med Imaging. 2016;16:27.
- Pfirrmann CW, et al. Magnetic resonance classification of lumbar intervertebral disc degeneration. Spine (Phila Pa 1976). 2001;26(17):1873-1878.
- Goutallier D, et al. Fatty muscle degeneration in cuff ruptures. Pre- and postoperative evaluation by CT scan. Clin Orthop Relat Res. 1994;304:78-83.
- Duan PG, et al. Is the Goutallier grade of multifidus fat infiltration associated with adjacent-segment degeneration after lumbar spinal fusion? J Neurosurg Spine. 2021;34(2):190-195.
- James G, et al. Fat infiltration in the multifidus muscle is related to inflammatory cytokine expression in the muscle and epidural adipose tissue in individuals undergoing surgery for intervertebral disc herniation. Eur Spine J. 2021;30(4):837-845.
- Liu Y, et al. Fat infiltration in the multifidus muscle as a predictor of prognosis after decompression and fusion in patients with single-segment degenerative lumbar spinal stenosis: an ambispective cohort study based on propensity score matching. World Neurosurg. 2019;128:e989-e1001.
- Shahidi B, et al. The effect of fatty infiltration, revision surgery, and sex on lumbar multifidus passive mechanical properties. JOR Spine. 2023;6(3):e1266.
- Walter BA, et al. MR elastography-derived stiffness: a biomarker for intervertebral disc degeneration. Radiology. 2017;285(1):167-175.
- Bayerl SH, et al. Treatment results for lumbar epidural lipomatosis: does fat matter? Eur Spine J. 2019;28(1):69-77.
- Ulrich NH, et al. Two-year outcome comparison of decompression in 14 lipomatosis cases with 169 degenerative lumbar spinal stenosis cases: a Swiss prospective multicenter cohort study. Eur Spine J. 2020;29(9):2243-2253.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.