SU-F-T-379: Dosimetric Impacts of Topical Agents and Dressings On Skin in Radiotherapy
Notice bibliographique
Résumé
Purpose: This study investigated the superficial dose enhancement in the application of topical agents, clinical materials (thermal mask and bolus) and dressings in megavoltage photon beam radiotherapy. Different topical skin agents, clinical materials and dressings were evaluated and compared for their skin dosimetric impacts on the patients during radiation treatment. Methods: Superficial dose enhancements, or percentage doses with and without the studying materials, were measured using the 6 MV (Field size = 10×10 cm2) photon beams produced by a Varian TrueBeam linear accelerator. Twelve topical agents, five dressings (dry and wet conditions) and three clinical materials were studied. A solid water phantom was used with a MOSFET dose detector (TN-1002RD, Thomson and Nielsen Electronic, Ottawa, Ontario, Canada) located under a 1-mm PMMA slab to measure the skin dose. The distance between the radiation source and phantom surface was set to 100 cm in all measurements. The topical agents were distributed evenly with 1.5 mm thickness using our specific sample holder on the phantom surface. Extrapolations were made of 0.5 mm thickness for the agents to provide meaningful clinical value. Results: By comparing surface doses without studying materials, it is found that no topical agents had superficial dose enhancement higher than the clinical materials namely, thermoplastic mask (128%), 5-mm Superflab™ bolus (158%) and 10-mm Superflab™ bolus (171%) regarding the same thickness. Superficial dose enhancement of dry dressing did not exceed 110.5%, while wet dressings produced higher dose enhancements (133% for wet Mepilex lite and 141% for wet Mepilex Ag transfer). Conclusion: It is concluded that the evaluated topical agents and dry dressings did not increase the superficial dose to a concerning level, even using excessive thickness in every fraction of radiation treatment. Wet dressings were found producing the bolus effect, but was still substantially less than applying a thin 5-mm bolus.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».