Navigation-guided osteotomies improve margin delineation in tumors involving the sinonasal area: A preclinical study
Notice bibliographique
Résumé
OBJECTIVES: To demonstrate and quantify, in a preclinical setting, the benefit of three-dimensional (3D) navigation guidance for margin delineation during ablative open surgery for advanced sinonasal cancer. MATERIALS AND METHODS: Seven tumor models were created. 3D images were acquired with cone beam computed tomography, and 3D tumor segmentations were contoured. Eight surgeons with variable experience were recruited for the simulation of osteotomies. Three simulations were performed: 1) Unguided, 2) Guided using real-time tool tracking with 3D tumor segmentation (tumor-guided), and 3) Guided by 3D visualization of both the tumor and 1-cm margin segmentations (margin-guided). Analysis of cutting planes was performed and distance from the tumor surface was classified as follows: "intratumoral" when 0 mm or negative, "close" when greater than 0 mm and less than or equal to 5 mm, "adequate" when greater than 5 mm and less than or equal to 15 mm, and "excessive" over 15 mm. The three techniques (unguided, tumor-guided, margin-guided) were statistically compared. RESULTS: The use of 3D navigation for margin delineation significantly improved control of margins: unguided cuts had 18.1% intratumoral cuts compared to 0% intratumoral cuts with 3D navigation (p < 0.0001). CONCLUSION: This preclinical study has demonstrated the significant benefit of navigation-guided osteotomies for sinonasal tumors. Translation into the clinical setting - with rigorous assessment of oncological outcomes - would be the proposed next step.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».