MétaCan
Menu
Retour à la cohorte
Enregistrement W1524347417 · doi:10.3171/2009.2.jns081334

Advancing neurosurgery with image-guided robotics

2009· article· en· W1524347417 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of neurosurgery · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensFoothills Medical Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMicrosurgerySurgeryInterquartile rangeNeurosurgeryRoboticsCadaveric spasmStereotaxyRobotic surgeryArtificial intelligenceRobotComputer science

Résumé

récupéré en direct d'OpenAlex

Robotic systems are being introduced into surgery to extend human ability. NeuroArm represents a potential change in the way surgery is performed; this is the first image-guided, MR-compatible surgical robot capable of both microsurgery and stereotaxy. This paper presents the first surgical application of neuroArm in an investigation of microsurgical performance, navigation accuracy, and Phase I clinical studies. To evaluate microsurgical performance, 2 surgeons performed microsurgery (splenectomy, bilateral nephrectomy, and thymectomy) in a rodent model using neuroArm and conventional techniques. Two senior residents served as controls, using the conventional technique only (8 rats were used in each of the 3 treatment groups; the 2 surgeons each treated 4 rats from each group). Total surgery time, blood loss, thermal injury, vascular injury, and animal death due to surgical error were recorded and converted to an overall performance score. All values are reported as the mean +/- SEM when normally distributed and as the median and interquartile range when not. Surgeons were slower using neuroArm (1047 +/- 69 seconds) than with conventional microsurgical techniques (814 +/- 54 seconds; p = 0.019), but overall performance was equal (neuroArm: 1110 +/- 82 seconds; microsurgery: 1075 +/- 136 seconds; p = 0.825). Using microsurgery, the surgeons had overall performance scores equal to those of the control resident surgeons (p = 0.141). To evaluate navigation accuracy, the localization error of neuroArm was compared with an established system. Nanoparticles were implanted at predetermined bilateral targets in a cadaveric model (4 specimens) using image guidance. The mean localization error of neuroArm (4.35 +/- 1.68 mm) proved equal to that of the conventional navigation system (10.4 +/- 2.79 mm; p = 0.104). Using the conventional system, the surgeon was forced to retract the biopsy tool to correct the angle of entry in 2 of 4 trials. To evaluate Phase I clinical integration, the role of neuroArm was progressively increased in 5 neurosurgical procedures. The impacts of neuroArm on operating room (OR) staff, hardware, software, and registration system performance were evaluated. NeuroArm was well received by OR staff and progressively integrated into patient cases, starting with draping in Case 1. In Case 2 and all subsequent cases, the robot was registered. It was used for tumor resection in Cases 3-5. Three incidents involving restrictive cable length, constrictive draping, and reregistration failure were resolved. In Case 5, the neuroArm safety system successfully mitigated a hardware failure. NeuroArm performs as well and as accurately as conventional techniques, with demonstrated safety technology. Clinical integration was well received by OR staff, and successful tumor resection validates the surgical applicability of neuroArm.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle