The efficacy of single-photon emission computed tomography in identifying dystonic muscles in cervical dystonia
Notice bibliographique
Résumé
INTRODUCTION: The key point for botulinum toxin type A injection in treating cervical dystonia is to accurately identify dystonic muscles. This study aimed to evaluate the efficacy of technetium-sestamibi single-photon emission computed tomography in identifying target muscles in cervical dystonia. METHODS: In the study group (n = 18), target muscles were selected according to clinical evaluation combined with technetium-sestamibi single-photon emission computed tomography, while in the control group (n = 18), target muscles were selected by clinical evaluation alone. All patients were followed-up at 2 weeks, 1, 3 and 6 months after botulinum toxin type A injection. The primary outcomes were the reduction rates in Toronto Western Spasmodic Torticollis Rating Scale and Tsui score at 1 month. RESULTS: Although the reduction rates in Toronto Western Spasmodic Torticollis Rating Scale and Tsui scores were not different between the two groups at 2 weeks and 1 month, the reduction rates in both scores were significantly higher in the study group at 3 and 6 months. The number of patients receiving re-injection within 6 months was significantly lower in the study group. Also, the re-injection interval was significantly longer in the study group. In the study group, more deep cervical muscles were injected, which concerns especially semispinalis capitis, longissimus capitis, and obliques capitis inferior muscles. CONCLUSION: technetium-sestamibi single-photon emission computed tomography is a useful method for screening target muscles in cervical dystonia. It helps clinicians draw a 'blueprint' for the distribution of dystonic muscles before botulinum toxin type A injection.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».