Clinical-dosimetric relationship between lacrimal gland dose and keratoconjunctivitis sicca in dogs with sinonasal tumors treated with radiation therapy
Notice bibliographique
Résumé
BACKGROUND: Dogs with sinonasal tumor can develop keratoconjunctivitis sicca (KCS) after radiation therapy (RT). In humans, the incidence of xerophtalmia is associated with the mean radiation dose received by the ipsilateral lacrimal gland (LG). HYPOTHESIS/OBJECTIVES: The eyes receiving a higher mean LG dose are more likely to develop KCS. The aim of the study was to determine a starting threshold dose to use as dose constraint for intensity-modulated radiation therapy (IMRT). ANIMALS: Dogs with nasal tumors treated with RT between August 2013 and December 2016. METHODS: Case control retrospective study of dogs with sinonasal tumor treated with 42 Gray (Gy) in 10 fractions using IMRT. Dogs were included if development of KCS after RT was documented (cases) or adequate follow-up information with Schirmer tear test (STT) result for ≥6 months after RT was available (controls). Lacrimal glands were contoured and dose distribution was calculated using the original treatment plan to determine prescribed doses to LGs. RESULTS: Twenty-five dogs were treated with RT and 5 dogs (20%) developed KCS. Fifteen dogs met the inclusion criteria including 5 unilateral KCS and 10 control dogs, resulting in 5 KCS eyes and 25 control eyes. KCS developed at a median of 111 days (84-122) after 1st RT. The mean LG dose reached using a 4.2 Gy per fraction was 33.08 Gy (range: 23.75-42.33) for KCS eyes and 10.33 Gy (1.8-24.77) for control eyes (P < .001). The minimum LG mean dose for developing KCS was 23.75 Gy. No eyes that received a mean LG dose <20 Gy developed KCS versus 5/7 (71%) developed with >20 Gy. CONCLUSION AND CLINICAL IMPORTANCE: Contouring and applying a dose constraint on LGs should be performed when using IMRT in dogs with sinonasal tumors to reduce the risk of KCS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».