MétaCan
Menu
Retour à la cohorte
Enregistrement W3036234302 · doi:10.1148/radiol.2020192291

Improving Safety of MRI in Patients with Deep Brain Stimulation Devices

2020· review· en· W3036234302 sur OpenAlexaff
Alexandre Boutet, Clement T. Chow, Keshav Narang, Gavin J.B. Elias, Clemens Neudorfer, Jürgen Germann, Manish Ranjan, Aaron Loh, Alastair J. Martin, Walter Kucharczyk, Christopher J. Steele, Ileana Hancu, Ali R. Rezai, Andrés M. Lozano

Notice bibliographique

RevueRadiology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensToronto Western HospitalConcordia UniversityUniversity of TorontoUniversity Health Network
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésMedicineDeep brain stimulationMagnetic resonance imagingMedical physicsRadiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

MRI is a valuable clinical and research tool for patients undergoing deep brain stimulation (DBS). However, risks associated with imaging DBS devices have led to stringent regulations, limiting the clinical and research utility of MRI in these patients. The main risks in patients with DBS devices undergoing MRI are heating at the electrode tips, induced currents, implantable pulse generator dysfunction, and mechanical forces. Phantom model studies indicate that electrode tip heating remains the most serious risk for modern DBS devices. The absence of adverse events in patients imaged under DBS vendor guidelines for MRI demonstrates the general safety of MRI for patients with DBS devices. Moreover, recent work indicates that-given adequate safety data-patients may be imaged outside these guidelines. At present, investigators are primarily focused on improving DBS device and MRI safety through the development of tools, including safety simulation models. Existing guidelines provide a standardized framework for performing safe MRI in patients with DBS devices. It also highlights the possibility of expanding MRI as a tool for research and clinical care in these patients going forward.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,287
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations76
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetNeurological disorders and treatmentsTravaux en français237 207