Patterns of Clinical Use of Stereotactic Laser Ablation: Analysis of a Multicenter Prospective Registry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Stereotactic laser ablation (SLA), also termed laser interstitial thermal therapy, is a minimally invasive procedure that is increasingly used in neurosurgery. We wished to examine how and whether SLA is changing the landscape of treatment options for neurosurgical patients. METHODS: Patients undergoing stereotactic laser ablation were prospectively enrolled in the Laser Ablation of Abnormal Neurological Tissue (LAANTERN) registry. Data from the first 100 enrolled patients are presented here. RESULTS: Clinical indications for SLA include treatment of primary intracranial tumors (48%; 81% being high-grade gliomas [HGGs]), brain metastases (BMs, 34%), epilepsy (16%), and other (2%). For HGGs, SLA was equally likely used for newly diagnosed (45%) or previously treated/recurrent lesions (55%, P = 0.54). By contrast, SLA was predominantly used as treatment for BMs in which radiation therapy/radiosurgery had failed (91%), with only 9% of SLAs performed as initial treatment for newly diagnosed lesions (P < 0.001). Of all SLAs performed, 45% of the procedures were in lieu of surgical resection, with 43% performed because the lesion was not accessible by conventional neurosurgical techniques. CONCLUSION: HGGs and BMs are the leading indications for SLA in the LAANTERN study. For HGGs, SLA is equally used in the presenting or previously treated/recurrent setting. For BMs, SLA is typically used in the recurrent setting. SLAs are equally likely to be performed for difficult-to-access lesions or in lieu of conventional open surgery.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle