MétaCan
Menu
Retour à la cohorte
Enregistrement W2613689339 · doi:10.1097/wco.0000000000000465

New neurosurgical approaches for tremor and Parkinson's disease

2017· review· en· W2613689339 sur OpenAlexaff
Alfonso Fasano, Andrés M. Lozano, Esther Cubo

Notice bibliographique

RevueCurrent Opinion in Neurology · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensToronto Western HospitalKrembil FoundationUniversity of Toronto
Organismes subventionnairesBoston Scientific CorporationFocused Ultrasound Foundation
Mots-clésParkinson's diseaseMedicineEssential tremorPhysical medicine and rehabilitationNeuroscienceDiseasePsychologyPathology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The objective of this review is to gather the newest advances in the surgical treatment of tremor and Parkinson's disease. We will briefly discuss the potential applications of the new technologies of deep brain stimulation (DBS), and we will focus on MRI-guided focused ultrasound (MRgFUS). RECENT FINDINGS: Novel DBS devices are being progressively adopted, particularly electrodes allowing a longer stimulating surface (suitable for multiple targets stimulation) and current radial steering (to minimize side effects of stimulation). New implantable pulse generators are also able to record neurons and are generating enough knowledge to advance the implementation of adaptive (closed-loop) DBS.Over the last years, 'minimally-invasive' neurosurgical approaches for the treatment of movement disorders have been developed: gamma knife radiosurgery and MRgFUS. Uncontrolled and recent controlled studies have shown the benefits of MRgFUS targeting the thalamus and pallidus for the treatment of tremor and Parkinson's disease. SUMMARY: The initial clinical data are certainly promising and have expanded the current portfolio of neurosurgical treatments of movement disorders. Many issues are yet to be addressed, particularly safety of MRgFUS-and how these new treatments compare with the existing ones.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,385
Tête enseignante GPT0,441
Écart entre enseignants0,056 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations34
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in NeurologyMême sujetNeurological disorders and treatmentsTravaux en français237 207