MétaCan
Menu
Retour à la cohorte
Enregistrement W2983216209 · doi:10.1016/j.ctro.2020.06.012

Conventionally fractionated large volume head and neck re-irradiation using multileaf collimator-based robotic technique: A feasibility study

2020· article· en· W2983216209 sur OpenAlexaff
Houda Bahig, Catherine Wang, Sweet Ping Ng, Jack Phan

Notice bibliographique

RevueClinical and Translational Radiation Oncology · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMultileaf collimatorHead and neckMedicineNuclear medicineVolume (thermodynamics)Radiation therapySurgeryRadiation treatment planningPhysics

Résumé

récupéré en direct d'OpenAlex

Purpose To report on the feasibility and performance of conventionally fractionated multileaf collimator (MLC)-based robotic stereotactic body re-irradiation of the head and neck region using MLC-based Cyberknife (CK) technology. Methods Patients treated for recurrent or second primary head and neck cancer (HNC) with curative proton therapy to a target volume > 30 cm 3 between 2011 and 2015 were included. MLC-based CK plans were generated using the CK M6 InCise2 MLC system. Dose statistics from MLC-based CK plans were compared to proton beam therapy (PBT) plans according to the following metrics: target coverage, target homogeneity index, gradient index, Paddick conformity index (CI), prescription isodose volume (PIV), treatment time (tTime) for one fraction as well as doses to organs at risk (OAR). Wilcoxon signed-rank test was used to compare dose metrics. Results Eight patients were included; the tumor sites included: salivary glands, pharynx (oropharynx, hypopharynx and retropharynx) and sinonasal cavities. Five of 8 patients were treated with multifield optimisation intensity modulated proton therapy, 3 were treated with passive scattering proton therapy. Median dose was 67 Gy (range 60–70) in 32 fractions (range 30–35). The median high-dose planning target volume (PTV) was 45.4 cm 3 (range 2.4 – 130.2 cm 3 ) and the median elective PTV was 91.9 cm 3 (range 61.2 – 269.7 cm 3 ). Overall, the mean target coverage (mean 98.3% vs. 96.2% for CK vs. PBT, respectively), maximum dose to PTV (mean 111% vs. 111%, p = 0.2) and mean dose to PTV (mean 104% vs. 104%) were similar across modalities. Highly conformal plans were achieved with both modalities, but mean CI was better with PBT (0.5 vs. 0.6 for CK vs. PBT, p = 0.04). Homogeneity and gradient indexes were similar between the 2 modalities; mean tTime with PBT and CK was 17 vs. 18 min, respectively (p = 0.7). Case-based study revealed that CK and PBT plans allowed for excellent sparing of OAR, with some clinical scenarios associated with better performance of CK while others with better performance of PBT. Conclusion Our study has demonstrated the dosimetric performance of large volume head and neck re-irradiation using MLC-based CK in various clinical scenarios. While conformity was generally better achieved with PBT, MLC-based CK allowed for high dose gradient leading to rapid dose drop-off and sparing of OAR. Conventionally fractionated MLC-based CK could be a competitive alternative in large volume head and neck re-irradiation that deserves further investigation in the clinical setting.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,430
Écart entre enseignants0,352 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and Translational Radiation OncologyMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207