Evaluation of nerve capture using classical landmarks for genicular nerve radiofrequency ablation: 3D cadaveric study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Radiofrequency (RF) denervation of the superolateral genicular nerve (SLGN), superomedial genicular nerve (SMGN) and inferomedial genicular nerve (IMGN) is commonly used to manage chronic knee joint pain. However, knowledge of articular branches captured, using classical landmarking techniques, remains unclear. In order to enhance and propose new RF procedures that conceivably capture a greater number of articular branches, more detailed cadaveric investigation is required. The objectives were to (1) determine which articular branches are captured or spared using classical landmarking techniques, and (2) evaluate the anatomical feasibility of classical landmarking techniques using three-dimensional (3D) modeling technology. METHODS: Ultrasound-guided classical superolateral/superomedial/inferomedial landmarking techniques were used to position RF cannulae in five specimens. The articular branches, bony and soft tissue landmarks, and cannula tip position, were meticulously dissected, digitized and modeled in 3D. Simulated lesions were positioned at the cannula tip, on the 3D models, to determine which articular branches were captured or spared. Capture rates of articular branches were compared. RESULTS: In all specimens, classical superolateral/superomedial techniques captured the transverse deep branches of SLGN and SMGN, and articular branches of lateral and medial nerve to vastus intermedius, while sparing distal branches of SLGN/SMGN. The inferomedial technique captured anterior branches of IMGN while sparing the posterior and inferior branches. CONCLUSIONS: This study provides anatomical evidence supporting the effectiveness of classical landmarking for genicular nerve ablation; however, each technique resulted in sparing of articular branches. The extensive innervation of the knee joint suggests the use of supplementary landmarks to improve capture rates and potentially patient outcomes.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».