The impacts of mid‐treatment <scp>CBCT</scp>‐guided patient repositioning on target coverage during lung <scp>VMAT</scp>
Notice bibliographique
Résumé
INTRODUCTION: The purpose of this study is quantify intrafraction motion (IFM) during lung volumetric-modulated arc therapy (VMAT) and evaluate the impact of mid-treatment cone beam computed tomography (CBCT)-guided patient repositioning on target coverage. METHOD: This analysis included lung tumours treated with VMAT to 50-60 Gy in 3-5 fractions. Treatment planning was based on four-dimensional CT scans from which internal tumour volumes (ITV) were derived. An isotropic 5 mm margin was added to obtain the final planning target volume (PTV). Patients were treated supine with a customized dual vacuum immobilization device (BodyFIX, Elekta, Sweden). All patients underwent pre and mid-treatment CBCTs. Following each CBCT, a rigid registration was performed by a radiation oncologist. IFM was defined as the target displacement from pre to mid-treatment CBCT. For patients with an IFM vector ≥5 mm, a post hoc dose calculation analysis was performed to assess the dosimetric impact of CBCT-guided repositioning. RESULTS: Ninety-seven patients (367 fractions) were included. Mean (±SD) overall treatment time was 53:02 ± 13:08 min. Mean time for mid-treatment CBCT scan acquisition and patient repositioning was 15:49 ± 4:14 min. Mean IFM vector was 1.5 ± 1.4 mm (max = 8.1 mm) and was <5 mm in 354/367 (96%) of fractions. For all 13 fractions with an IFM vector ≥5 mm, dose calculation analysis of worst-case scenario indicates that ITV coverage would have remained ≥95% without mid-treatment repositioning. CONCLUSION: For 96% of fractions, the IFM vector was within the 5 mm PTV margin. Mid-treatment CBCT-guided couch repositioning did not significantly impact ITV coverage and prolonged treatment duration.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».