The image‐guided operating room—Utility and impact on surgeon's performance in the head and neck surgery
Notice bibliographique
Résumé
BACKGROUND: The image-guided operating room (OR) is an emerging standard for dealing with complex cases in many surgical disciplines including neurosurgery, thoracic surgery, maxillofacial trauma, and orthopedic surgery. Its use in head and neck oncological surgery is not well established. The primary aim of this study was to assess the image quality of cone-beam CT (CBCT) under real clinical conditions. The secondary aim was to assess the effect on surgical performance and decision making. METHODS: Intraoperative 3D imaging was performed using a CBCT capable C-Arm mounted on a multi-axis robot (Siemens Zeego) in the image-guided OR. All patients had immediate preoperative imaging taken with further intraoperative imaging performed as required. Ten initial patients, comprising 28 intraoperative scans, were used for questionnaire-based image reviews conducted with experienced head and neck clinicians. Scans were assessed for aspects of both image quality and clinical utility, on separate 5-point Likert scales (1-5). RESULTS: ) from 1 to 3 with the use of IV contrast (region of interest CT# was 284 HU [SD, 47 HU]). Images were rated as 4 for freedom from artifact. Soft tissue definition was 2, with no significant improvement (P = .2) with the addition of IV iodinated contrast. Surgeons rated the greatest clinical utility (4) for the CBCT when assessing postreconstruction imaging of a complex case. CONCLUSIONS: The image quality of CBCT in the image-guided OR is good for bony detail and complex oncological reconstructions in the head and neck setting but probably has limited benefit for intraoperative soft tissue delineation. Future studies must also focus on clinical outcomes to help demonstrate the value of the image-guided OR.
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 | 0,001 | 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 ».