Optimization of surgical approach for thoracoscopic‐assisted pulmonary surgery in dogs
Notice bibliographique
Résumé
OBJECTIVE: To determine the optimal intercostal space (ICS) to perform thoracoscopic-assisted lung lobectomy. STUDY DESIGN: Cadaveric study. ANIMALS: Six mature, medium-sized canine cadavers. METHODS: Cadavers were placed in right or left lateral recumbency. A 15-mm thoracoscopic cannula was inserted in the middle third of the 9th or 10th ICS. A wound retraction device was placed into a 7-cm minithoracotomy incision created in the middle third of the 4th-7th ICS on the left side and the 4th-8th ICS on the right side. The pulmonary ligaments were sectioned by using a combined intracorporeal and extracorporeal technique. Each lung lobe was sequentially withdrawn from the wound retraction device at the respective ICS and side. A thoracoabdominal stapler was positioned to simulate lung lobectomy, and the distance from the stapler anvil to the hilus was measured. RESULTS: Simulated thoracoscopic-assisted lung lobectomy performed at left or right ICS 4 and 5, compared with other ICS evaluated, resulted in a significantly shorter median distance from the stapler anvil to the pulmonary hilus of the left cranial and caudal lung lobes and right cranial and middle lung lobes, respectively (all P < .05). Lobectomy at right ICS 5 or 6 resulted in a significantly shorter median distance from the stapler anvil to the pulmonary hilus of the right caudal and accessory lung lobes, respectively (both P < .05). CONCLUSION: These data may inform minithoracotomy positioning to optimize tumor margin excision during thoracoscopic-assisted lung lobectomy for treatment of pulmonary neoplasia in dogs. CLINICAL SIGNIFICANCE: Complete lung lobectomy is possible by using the described thoracoscopic-assisted technique in normal, cadaveric lungs.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».