Anatomical Comparison of Radiofrequency Ablation Techniques for Sacroiliac Joint Pain
Notice bibliographique
Résumé
Objective: To compare the percentage of sacral lateral branches (LBs) that would be captured if lesions were created by seven current sacroiliac joint (SIJ) radiofrequency ablation (RFA) techniques: three monopolar and four bipolar. Design: Cadaveric fluoroscopy study. Setting: Anatomy and surgical skills laboratories. Subjects: Forty cadaveric SIJs. Methods: LBs were exposed, radiopaque wires were sutured to LBs, and anterior-posterior fluoroscopic images through the S1 superior endplate were obtained. Lesions that would be created by 17 versions of seven current SIJ RFA techniques were mapped on the fluoroscopic images. These 17 versions were compared: 1) percentage of LBs that would be captured; 2) percentage of SIJ specimens in which 100% of LBs would be captured; and 3) percentage of LBs that would not be captured at each level (S1-S4). Results: Both the mean LB and 100% capture rates were greater for the bipolar techniques (93.4-99.7% and 62.5-97.5%, respectively) than for the monopolar techniques (49.6-99.1% and 2.5-92.5%, respectively) evaluated. For the bipolar techniques, 1.5-29.2% of LBs would not be captured at S1 and 0% at S2-S4 vs 0-29.2% at S1-S4 for the cooled monopolar techniques vs 36.9-100% at S1-S4 for the conventional monopolar technique. Conclusions: The findings suggest that, if lesions were created, the RFA needle placement locations of the bipolar techniques evaluated may be capable of capturing all LBs, but those of the current monopolar techniques evaluated may not. Future in vivo imaging studies are required to compare the lesion morphology generated by different SIJ RFA techniques and correlate the findings with clinical outcomes.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».