Laser Ablation of Abnormal Neurological Tissue Using Robotic Neuroblate System (LAANTERN): Procedural Safety and Hospitalization
Notice bibliographique
Résumé
BACKGROUND: Stereotactic laser ablation (SLA) has demonstrated potential utility for a spectrum of difficult to treat neurosurgical pathologies in multiple small and/or retrospective single-institutional series. Here, we present the safety profile of SLA of intracranial lesions from the Laser Ablation of Abnormal Neurological Tissue using Robotic NeuroBlate System (LAANTERN; Monteris Medical) multi-institutional, international prospective observational registry. OBJECTIVE: To determine the procedural safety of SLA for intracranial lesions. METHODS: Prospective procedural safety and hospitalization data from the first 100 treated LAANTERN patients was collected and analyzed. RESULTS: Mean age and baseline Karnofsky Performance Status (KPS) were 51(± 17) yr and 83(± 15), respectively. In total, 81.2% of patients had undergone prior surgical or radiation treatment. Most patients had a single lesion (79%) ablated through 1 burr hole (1.2 ± 0.7 per patient), immediately following a lesion biopsy. In total, >90% of the lesion was ablated in 72% of treated lesions. Average total procedural time was 188.2 ± 69.6 min, and average blood loss was 17.7 ± 55.6 ccs. The average length of intensive care unit (ICU) and hospital stays before discharge were 38.1 ± 62.7 h and 61.1 ± 87.2 h, respectively. There were 5 adverse events (AEs) attributable to SLA (5/100; 5%). After the procedure, 84.8% of patients were discharged home. There was 1 mortality within 30 d of the procedure (1/100; 1%), which was not attributable to SLA. CONCLUSION: SLA is a safe, minimally invasive procedure with favorable postprocedural ICU and hospital utilization profiles.
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 | 0,000 | 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 ».