MétaCan
Menu
Retour à la cohorte
Enregistrement W2016415823 · doi:10.1016/j.injury.2007.06.016

CT (ISO-C-3D) image based computer assisted navigation in trauma surgery: A preliminary report

2007· article· en· W2016415823 sur OpenAlexaff
Kıvanç Ateşok, Joel Finkelstein, Amal Khoury, Meir Liebergall, R. Mosheiff

Notice bibliographique

RevueInjury Extra · 2007
Typearticle
Langueen
DomaineMedicine
ThématiquePelvic and Acetabular Injuries
Établissements canadiensSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineReduction (mathematics)Computer-assisted surgeryFracture reductionFixation (population genetics)SurgeryInternal fixationAcetabulumNavigation systemArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

CT (ISO-C-3D) image based navigation has recently been introduced to improve the image quality and accuracy during computer assisted orthopaedic surgeries. We report on our early experience using this novel technique in intra-articular lower extremity fracture management. Real time CT-based navigation assisted surgery was used in the treatment of five patients with fractures of tibial plateau (3), talus (1) and acetabulum (1). The mean age was 38 years (range, 29–47). Feasibility, pitfalls and adequacy of reduction and fixation were evaluated. Additional time spent before the surgical incision (Δ time) using the ISO-C navigation and total operative time was measured. All five procedures were regarded as technically successful. Accurate reduction and fixation of all the fractures was achieved. All the fractures were fixed with closed reduction and internal cannulated screw fixation. Mean additional time spent after the start of anaesthesia and until surgical incision for cannulated screw insertion (Δ time) was 26 min. The average total operative time was 109 min. Combining the ISO-C-3D images with computer navigation can improve the safety and decrease the invasiveness of the procedures in trauma surgery. 3D navigation makes the reduction and screw placement highly accurate but may extend the operative time.

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.

Comment cette classification a été obtenuedéplier

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,703
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,305
Écart entre enseignants0,284 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury ExtraMême sujetPelvic and Acetabular InjuriesTravaux en français237 207