Introduction. Low back pain and disc degeneration could be linked to global spinal geometry. Our study aimed to develop a reliable new mathematical method to assess the local distribution of total lumbar lordosis with a single numeric parameter and compare it with lumbar intervertebral disc degeneration using routine MRI scans. Methods. An online, open access, easy-to-use platform for measurements was developed based on a novel mathematical approach using MRIs of 60 patients. Our Spinalyze Software can be used online with uploaded MRIs. Several new parameters were introduced and assessed to describe variation in segmental lordosis distribution with a single numerical value. The Pfirrmann grading system was used for the classification of lumbar intervertebral disc degeneration. Relationships were investigated between the grade categories of L1-S1 lumbar discs and the MRI morphological parameters with correlation analysis. Results. Results confirm that the determination of measurement points and calculated parameters are reliable (ICCs and Pearson r values > 0.90), and these parameters were independent of gender. The digression percentage (K%), one of our new parameters, did not show a statistical relationship with the Cobb-angle. According to our results, the maximum deflection breaking-point of lumbar lordosis and its location can be different with the same Cobb-angle and the distribution of global lordosis is uneven because the shape of the lumbar lordosis is shifted downward and centered around the L4 lumbar vertebra. The interobserver reliability of the Pfirrmann grades reading was in the excellent agreement category (88.33% agreement percentage, 0.84 kappa), and digression percentage (K%) showed a significant negative correlation with all L1-S1 disc grades with increasing r correlation values. This means that the smaller the value of digression percentage (K%), the more the number of worn discs in the lower lumbar sections. Conclusions. Spinalyze Software based on a novel mathematical approach provides a free, easy-to-use, reliable, and online measurement tool using standard MRIs to approximate the curvature of lumbar lordosis. The new reliable K% (digression percentage) is one single quantitative parameter to assess the local distribution of total lumbar lordosis. The results indicate that digression percentage (K%) may possibly be associated with the development of lumbar intervertebral disc degeneration. Further evaluation is needed to assess its behavior and advantage.
Absztrakt: Bevezetés: A lumbalis derékfájás a társadalomra és a gazdaságra is jelentős hatással bíró tényező. Magyarországon a derék- vagy hátfájástól szenved a lakosság 21%-a, és tízből hatan gyógyszert is szednek a betegségre. A fájdalom kezelésének terápiája összetett, jelenleg nincs egységesen igazolt, hatékony módszer a betegség kezelésére. A derékfájdalommal kapcsolatban négy összetevőt érdemes megvizsgálni: a gerinc geometriáját, a gerinc degeneratív morfológiai elváltozásait, a betegeknek az elváltozással együtt járó fájdalmát és a funkciókárosodás mértékét. Célkitűzés: Megvizsgálni a lumbalis lordosis eloszlásának és a porckorongok degenerációjának kapcsolatát matematikai analízissel és annak szoftveres alkalmazásával. Módszer: 60 beteg MRI-felvételeinek algoritmikus elemzése és diszkriminanciaanalízis alkalmazásával degenerációs osztályokba történő besorolása. Eredmények: A kidolgozott degenerációs osztályokba sorolás esetén három vizsgált független változó mutat szignifikáns hatást: a nem, az életkor és a kitérési százalék (K), a sztenderdként használt Cobb-szög viszont nem. Az alkalmazott diszkriminanciafüggvények összes helyes besorolási (ún. prediktív) értéke 83%, a legrelevánsabb, súlyos degenerációs osztályba történő helyes besorolási érték pedig 92%. Következtetés: A vizsgálati minta elemzése alapján a nem, az életkor és a lumbalis gerinc geometriáját jellemző K (lordosisdisztribúció) értékeivel az ágyéki gerinc átlagos degenerációjának mértéke indirekt módon meghatározható az ingyenesen és online használható Spinalyze Software segítségével. Orv Hetil. 2020; 161(31): 1286–1292.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.