Evaluation of resource burden for bladder adaptive strategies: A timing study
Notice bibliographique
Résumé
INTRODUCTION: Interfraction bladder motion is substantial and therefore many different adaptive radiotherapy approaches have been developed to accommodate that motion. Previous studies comparing the efficacy of those adaptive strategies have demonstrated that reoptimization (ReOpt) was dosimetrically superior when compared to Plan of the Day (POD) and Patient-specific PTV (PS-PTV). However, the feasibility of clinical implementation is dependent upon assessment of the resource burden. This study assessed and compared the resource burden of three adaptive strategies. METHODS: Using the planning CT and all daily CBCTs of 10 bladder patients, the following adaptive strategies were simulated offline to deliver 46 Gy in 23 fractions: POD, PS-PTV and ReOpt. Additional activities required to execute these strategies compared to a nonadaptive approach were identified and categorized. Time consumed for the execution of each strategy was measured for a single, experienced observer. RESULTS: The time (minutes) consumed to execute the additional activities for PS-PTV, POD and ReOpt was 14.4, 49.1 and 248.5, respectively. In addition to a significantly shorter time spent, all activities associated with PS-PTV were categorized as those that could be performed without the presence of the patient or a treatment room. On the other hand, ReOpt was the most time intensive and all activities were categorized as those that could lead to increasing patient's time in the treatment room and decreasing capacity. CONCLUSIONS: Although ReOpt was preferred with respect to improving dosimetry, the heavy resource burden it incurred could be a deterrent for clinical implementation. PS-PTV was the least resource-intensive strategy.
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 | 0,000 |
| 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) | 0,000 | 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 ».